1. 研究目的与意义（文献综述）

目标检测是指从图像或者视频中找到感兴趣的所有目标与背景分开框起来，标注上这些是什么物体。需要判断是否存在目标，并确定目标的位置和范围。这是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力。

传统的目标检测方法基于目标特征训练分类器，包括尺度不变特征转换(scale-invariant feature transform，sift)、方向梯度直方图（histogram of oriented gradient，hog）等特征，通过对目标进行特征提取、特征学习和检测等步骤实现目标检测。其基本原理是先通过训练集(train set)学习分类器，然后在图像中以不同尺度的窗口滑动扫描整个图像，对每次扫描的结果基于特征进行判断和分类。然而传统的目标检测算法采用了滑动窗口法提取候选框，使得生成的候选区域较多，导致目标检测的时间复杂度较高，不能满足实际应用的需求。

伴随着大数据时代的来临，深度学习也取得了重大的突破进展。卷积神经网络（convolutional neural networks，cnn）既是一种著名的深度学习模型。其实早在1998年，lecun等就提出了一种称为lenet的卷积神经网络模型，由于当时缺乏大规模的训练数据，计算机的计算能力也有限，所以lenet在解决复杂问题（例如大规模的图像和视频分类问题）时，效果并不好。2006年以后，特别是随着大数据时代的到来，在高性能的计算平台（如高性能的pc机、图形工作站、云计算平台等）上用大规模的数据集训练复杂的模型成为可能。

2. 研究的基本内容与方案

研究的基本内容是将基于深度学习的yolov3（you only look once v3）算法应用于图像和视频中出现的多个目标的检测。 并对比yolov3算法与其他目标检测算法的优势。

针对图像和视频中的小物体如智能手机的检测对算法进行改进，使该算法准确率更高，鲁棒性更好。 因此预设目标包括以下部分：

（1）实现yolov3算法并训练自己的网络。

3. 研究计划与安排

第1－3周：查阅相关文献资料书籍等，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：对设计方案深度剖析，理解yolov3的网络结构和目标检测过程，掌握其中所需要用到的原理，以及程序语言的相关使用方法，并实现yolov3算法。

第6－9周：训练自己的网络。

4. 参考文献（12篇以上）

（1）戴伟聪，金龙旭，李国宁，等. 遥感图像中飞机的改进 yolov3 实时检测算法[j]. 光电工程，2018，45(12):180350

（2）张家晨，陈庆奎．基于yolo的道路车辆拥堵分析模型[j] .计算机应用,2019,39(1) : 93-97

（3）王殿伟，何衍辉，李大湘，刘颖，许志杰，王晶．改进的yolov3红外视频图像行人检测算法[j] .西安邮电大学学报,2018.23(4):48-52