1. 研究目的与意义（文献综述包含参考文献）

一、选题背景 目标检测对于人类来说不难，通过对图片中不同颜色模块的感知，很容易定位并分类出其中目标物体。

但对于计算机来说，面对的是红绿蓝像素矩阵，很难从图像中直接得到狗和猫这样的抽象概念并确定其位置，再加上有时候多个物体和杂乱的背景混杂在一起，目标检测就更加困难。

传统目标检测方法一般使用滑动窗口的框架，主要包括以下三个步骤：(1)利用不同尺寸的滑动窗口，框住图像的某一部分，将其作为候选区域；(2)提取候选区域相关的视觉特征，比如人脸检测常用的 harr 特征、行人检测和普通目标检测常用的 hog 特征等；(3)利用分类器进行识别，比如常用的svm模型。

2. 研究的基本内容、问题解决措施及方案

要解决的问题： (1)选出最适合视频目标检测的深度学习神经网络算法 (2)小目标物体的检测 拟采用的研究途径： (1)采用对比试验的方法，首先查阅相关资料选出几个主流的具备有效性和时效性的深度学习神经网络算法，用它们来进行视频目标检测，对比它们的结果，选出最合适的算法模型； (2)针对已选出的算法模型进行研究，调整相应的参数对网络进行优化，从而实现对小目标物体的选中和识别； (3)学习掌握Python编程语言的相关知识，实现对目标检测可视化界面的设计