基于深度学习的前方车辆跟踪方法开题报告

全文总字数：4789字

1. 研究目的与意义（文献综述）

1.1目的及意义

在过去的几十年里，视觉跟踪技术作为计算机视觉领域的热门课题之一，得到了越来越多的关注，并一直是一个非常活跃的研究方向。它在视觉监控、人机交互、增强现实等领域有着广泛的应用。虽然最近已经取得了很大的进展，但由于许多因素，如照明变化、遮挡和背景杂波，它仍然被普遍认为是一个非常具有挑战性的任务^[1]。

随着人工智能技术的逐渐成熟，无人驾驶技术也被人们所关注，但数据显示，在意外事故中车祸占首位，而无人驾驶技术由于其采用的先进技术，在安全性与可靠性方面都有不错的前景。目标跟踪技术则是作为无人驾驶技术中很重要的组成部分，它是指：对于一段连续的视频，给定第一帧中的标定框（框住需要跟踪的物体），要求在该视频的后续帧中找到并框住该物体。

2. 研究的基本内容与方案

2.1研究的基本内容、目标

（1）查阅文献，对比分析基于深度学习的目标检测和目标跟踪的差异性，选定单目标跟踪或是多目标跟踪。

（2）研究已有的基于深度学习的目标跟踪模型。

（3）构建基于深度学习的前方车辆跟踪模型，在公开数据集上进行测试并验证模型的有效性。

3. 研究计划与安排

1-2（7学期第19-20周）	确定毕业设计选题、完善毕业设计任务书(相关参数)、校内外资料收集
3（8学期第1周）	方案构思、文献检索、完成开题报告
4～5（8学期第2-3周）	外文翻译、资料再收集
6～8（8学期第4-6周）	设计计算、草图绘制
9～11（8学期第7-9周）	图样绘制、编写设计计算说明书（论文）
12～14（8学期第10-12周）	图样及设计计算说明书整理、资料袋整理，答辩资格审查
15（8学期第13周）	学生提出答辩申请，并作答辩准备；教师审阅图纸、说明书
16～17（8学期第14-15周）	参加答辩

4. 参考文献（12篇以上）

[1] li b, wu w, wang q, et al. siamrpn : evolution of siamese visualtracking with very deep networks[j]. 2018.

[2] 汪鸿翔,柳培忠,骆炎民,洪铭,顾培婷.单目标跟踪算法综述.海峡科学,2016(7):28-32.

[3] marvastizadeh, seyed mojtaba,et al. "deep learning for visual tracking: a comprehensivesurvey." arxiv: computer vision and pattern recognition (2019).