1. 研究目的与意义（文献综述）
目标跟踪在计算机视觉领域应用非常广泛，因此目前对其展开的研究也较多。目前，复杂背景的图像监控不论是在科研观测设备，民用设备例如自动泊车系统等定位方法，或是在军事战场上对各种作战单位进行精确监视观测，各种图像监控以及目标追踪设备与算法都是热点与难点。如何能有效地在背景复杂，追踪目标被遮挡等检测环境不够完善的条件下对我们感兴趣的目标进行追踪，是很多学者都在研究的挑战性的课题。
在我们进行目标追踪时，当背景相较来说毕竟简单,目标的检测状况比较理想时,多目标跟踪会有不错的效果。但是图像背景在一些较为复杂和不理想的状况下, 例如目标与周围环境相似、目标与背景间存在相互遮挡、目标存在消失等等情况都会给多目标跟踪的进行带来不小的困难。而基于特征的跟踪算法在处理目标遮挡和多目标跟踪问题时具有良好的跟踪效果。将多运动目标检测的思想引入多目标跟踪, 结合目标检测结果和目标的特征信息进行目标的特征匹配跟踪不失为一种较好的思路。但是, 各种目标跟踪方法都有其优缺点，国内外的研究也证明了，单一模式的目标跟踪算法在应对不同环境下会有不同的效果。而各种的单一特征都会有其劣势所在，会存在非理想状态下跟踪效果不佳的情况。单一特征对环境适应性较弱, 受环境变化影响较大, 不利于进行鲁棒跟踪。
2. 研究的基本内容与方案
目前在各领域使用到的目标跟踪方法有许多种类，其中常用的三种跟踪方法如下，有基于区域匹配的跟踪模式、基于b样条主动轮廓的跟踪模式，以及基于特征点的跟踪模式。这三种跟踪方法中，他们各有其优点与缺点：基于区域匹配相关的跟踪方法的特点是对目标定位的精度相较其他方法而言会更高，但缺点是在目标与背景有相互遮挡的状况时，对目标的特征匹配效果比较差；而基于特征点跟踪模式则在这一问题上有着更好的表现，在目标与背景有遮挡时，目标仍然有一部分的特征点可以被该算法所跟踪，它的这项特点让他在保证目标跟踪的连续性上有着不小的优势，但该模式的跟踪精度则相对不高；而基于主动轮廓的跟踪方式则具有对目标分割精度高的特点，但它在初始帧中必须置于目标真实轮廓的附近，这也限制了该模式的应用。
这三种算法的优缺点明确，而且在各种程度上能够做到互补，本课题拟对这三种模式进行多特征融合，预期能让我们可以得到一种能在跟踪目标处于不理想状态，特别是目标与背景中其他事物相互遮挡时进行更加精确跟踪的算法。
3. 研究计划与安排
第1-3周 确定方向并搜集资料，撰写开题报告；第4-5周 论文开题，做好课题的准备工作；第6-11周 对课题内容进行研究，设计算法，软件编程并实现设计方案，撰写论文初稿；第12-13周 根据指导老师的讲评及意见，修改并提交二次论文草稿；第14周 集中解决论文漏洞及问题，论文成型，指导老师讲评修改并定稿；第15-16周 准备论文答辩。
4. 参考文献（12篇以上）
[1]刘安, 李金宝, 黎玲利. 基于子信道信息融合的室内定位方法的研究[j]. 仪器仪表学报, 2018(3):21-26.
[2] 江浩斌, 沈峥楠. 基于信息融合的自动泊车系统车位智能识别[j]. 机械工程学报, 2017(4):9-15.
[3] lahaye n, ott j, garay m j, et al. toward generic, multi-modal object tracking and image fusion using unsupervised deep learning[c]//egu general assembly conference abstracts. 2018, 20: 19720.
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
