1. 研究目的与意义（文献综述）

1.1 目的及意义

目标跟踪作为计算机视觉领域的重要领域之一，一直受到海内外学者的关注，在车辆定位、智能识别、视频监控等方面都有广泛的应用。

随之一些先进的概念以及技术被陆续提出，部分目标跟踪领域里的难题得到了解决，拥有了一定的科研成果。但目标跟踪在现实应用中依然遭遇着巨大挑战，如遮挡、光线变化、尺寸变化以及姿态变化等，这些情况出现时往往会丢失目标，无法进行持续有效的跟踪，不符合实际对鲁棒性、实时性和准确性的需求。

本课题的目的即基于深度学习实现一个健壮的、通用的多目标跟踪系统。

2. 研究的基本内容与方案

2.1 研究（设计）的基本内容

本课题研究多个目标的跟踪问题。在跟踪过程中对目标的跟踪依赖特定的先验知识，传统的先验知识可以采用手工设计特征的形式。我们可以基于浅卷积神经网络对目标进行快速分类，将学习限制在单层，实现训练速度快并且实现复杂性低的效果。我们将先验知识的使用从检测和跟踪阶段转移到识别分类上，从而实现一个健壮的、通用的多目标跟踪方法。

2.2 目标

3. 研究计划与安排

1. 第一周至第七周，确定选题，查阅文献，外文翻译和撰写开题报告。

2. 第八周至第十六周，查阅文献，系统架构、设计与开发，系统测试与完善。

3. 第十七周至第二十一周，撰写及修改毕业论文。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   4. 参考文献（12篇以上）

   1. 高君宇, 杨小汕, 张天柱, et al. 基于深度学习的鲁棒性视觉跟踪方法[j]. 计算机学报, 2016, 39(7):1419-1434.

   2. x mei, h ling, y wu, e blasch. minimum error bounded efficient #8467; 1 tracker with occlusion detection[j]. computer vision amp; pattern recognition , 2011 :1257-1264.

   3. xue mei, haibin ling, yi wu, blasch, e. p., amp; li bai. (2013). efficient minimum error bounded particle resampling l1 tracker with occlusion detection[j]. ieee transactions on image processing, 22(7), 2661–2675.

      剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付