繁忙水域中基于深度卷积神经网络的船舶跟踪方法研究与实现开题报告

全文总字数：2045字

1. 研究目的与意义（文献综述）

本项目的研发将立足于当前计算机视觉研究的最新成果，使用长江中比较繁忙的航道的数据，以江苏仪征市采集的视频数据进行训练和测试，依此打造出一个能够做到准确识别分类船只并实现在线实时跟踪的的系统。

整个系统最终将只是作为更大的航道管理系统的一个模块，因此将不会特别设计用户交互部分，但会提供api与其它模块交互。

因此，本系统需要极强的准确率和适应性，能够满足绝大部分航道顿号气象环境和船舶流量条件下的识别跟踪工作。

2. 研究的基本内容与方案

见附件

3. 研究计划与安排

（1） 2019/1/22—2019/2/15：明确选题，查阅相关文献；（2） 2019/2/16—2019/2/28：进一步阅读文献，外文翻译，分析和总结，撰写开题报告； （3） 2019/3/1—2019/3/15：数据标记（4） 2019/3/16—2019/4/30：实现算法，训练模型，实现演示程序和API（4） 2019/5/1—2019/5/25：撰写论文初稿；修改论文，定稿并提交论文评审； （5） 2019/5/26—2019/6/6：准备论文答辩。

4. 参考文献（不低于12篇）

[1] 张宏慧. 基于深度学习的复杂交通视频的多目标跟踪[d]. 北京交通大学，2018.

[2] 李月峰. 基于深度学习的复杂背景下船舶跟踪方法研究[d]. 长沙理工大学，2017.

[3] 彭艳. 时空上下文融合的无人艇海面目标跟踪[j]. 中国科学技术科学， 2018.48(12)：1357-1372.