1. 研究目的与意义
智能交通系统(ITS)已成为大势所趋，也是解决道路交通拥挤，事故频发等问题公认的不二法门，有利于保障交通的安全畅通以及道路承载能力的最大化利用。
而作为ITS的奠基石，基于视觉的车辆目标检测和识别技术研究至关重要，其检测识别的准确性将严重影响着后续的特征提取，目标跟踪以及行动理解。
2. 国内外研究现状分析
车辆检测：对监控视频进行处理，检测视频图片中是否有车辆经过，并对其识别编号，为车辆的位置预测及跟踪做准备工作。
francois bardet提出了一种通用的多车辆实时自动跟踪和标记系统，使用mcmc粒子滤波涉及车辆运动学模型。
但仍存在前景分割不强、车辆跟踪不清晰等问题。
3. 研究的基本内容与计划
研究内容：本课题以视频监控里目标车辆为研究对象，通过对卡尔曼滤波器和粒子滤波器的综合利用，实现对视频目标车辆的识别和检测，并建立参考对象模型，并在各种场景实现对视频目标车辆的较为准确的预测和跟踪，通过matlab仿真，卡尔曼滤波器和粒子滤波器的适当利用，得到准确的检测结果和良好的跟踪效果。
计划：第1周开题，阅读、收集、整理有关书籍和资料，分析并进行归类；第2周确定研究的技术方案，整理出相关资料；第3周 第4周研究卡尔曼滤波器，粒子滤波器工作原理特性，明确自己接下来几周的任务，制定未来几周的计划；第5周第9周设计程序方案，利用matlab仿真模拟第9周第10周 完善程序设计，进一步优化整套流程和方案第11周第12周 实际拍摄视频进行试验，在实际操作中进行修改完善。
第13周第14周 撰写毕业论文；第15周修改毕业论文，初审，答辩；第16周再次修改论文，正式提交。
4. 研究创新点
相对于传统的汽车检测识别，跟踪方案和算法，本课题以卡尔曼滤波器和粒子滤波器作为手段，对视频图片中目标车辆进行处理，更加直观简便，大大简化了工作的流程，并且对于目标车辆的检测和跟踪更加准确，对于运动目标的跟踪效果更优。
对于多种场景，比如当目标运行方向接近相反时，目标丢失时等，此技术都可灵活地适应和解决。
