1. 研究目的与意义（文献综述）

1.1 研究目的

视频物体检测和识别主要随着安防的迫切需要和汽车无人驾驶的快速发展应运而生，政府打击不发份子，道路通监控识别，汽车无人驾驶周围环境的识别，通过对周围物体的识别、测距做出应急规避动作。

在汽车无人驾驶领域，视频物体检测、识别可以通过汽车安置的摄像头对周围环境中的物体先进行检测，对整个环境特征提取，框处景象中的物体，然后对物体的种类进行识别，判断距离以及分析周围物体下一阶段可以做出的动作，汽车自动做出相应的动作；从当前已经应用的案例来看，视频物体检测和识别在停车场、小区或者学校等公共场所进门处识别车牌已经商业化，摄像头对汽车拍照，识别汽车车牌的号码，来收取相应的费用。

道路监控方向，可以通过公安录入的信息，对人脸进行识别、记录，实时获取行人的个人信息，提高抓捕不发份子的效率。

2. 研究的基本内容与方案

(1) 模型算法选择。

对各种物体识别模型进行对比，选择在速度和精确度上都较好的算法模型

①　对当前的各种模型的算法结构进行分析。

3. 研究计划与安排

第1－4周：查阅相关文献资料，明确研究内容，了解研究视频物体识别所需的算法，确定方案，完成开题报告。

第5－8周：根据算法设计模型，使用深度学习框架搭建模型，收集数据集。

第9－12周：完成模型的训练，对训练好的模型在测试集上进行map值计算，在图片识别完成的情况下，应用到视频上，完成论文初稿。

4. 参考文献（12篇以上）

[1] w.liu, d.anguelov, d.erhan, c.szegedy, and s.e.reed.ssd: single shot multibox detector. corr, abs/1512.02325,2015.

[2] s.ren, k.he, r.girishick, and j.sun. faster r-cnn:towards real-time object detection with region proposal networks. arxivpreprint arxiv: 1506.01497, 2015.

[3] k.simonyan, and a.zisserman. very deep convolutionalnetwoks for large-scale image recognition. arxiv preprint arxiv: 1409.1556,2014.