基于SSD模型的目标检测系统设计与实现开题报告

1. 研究目的与意义

视频目标跟踪方法的研究和应用作为计算机视觉领域的一个重要分支，正日益广泛地应用到科学技术、国防建设、航空航天、医药卫生以及国民经济的各个领域,因而研究目标跟踪技术有着重大的实用价值。实际公共场所中遍布着各种摄像头来辅助管理和安全监控，当我们需要通过监控寻找目标时，往往受限于监控的视角范围而丢失目标，此时需要其他摄像头接力跟踪。正是由于跨视频的跟踪技术对目前的安防领域具有重要的实用价值，因此值得深入研究学习。

国内外在目标跟踪方面已有长远的研究，目标跟踪算法也在飞速发展中，其中核相关滤波算法根据当前帧的信息和之前帧的信息训练出一个相关滤波器，然后与新输入的帧进行相关性计算，得到的置信图就是预测的跟踪结果，得分最高的那个点（块）就是最可能的跟踪结果。基于该算法制作目标跟踪系统具有较高的可行性。

2. 研究内容和预期目标

1、研究内容：

（1）运动模型：运动模型旨在描述帧与帧目标运动状态之间的关系，在视频帧中预测目标图像区域，并给出一组可能的候选区域。经典的运动模型有均值漂移、滑动窗口、卡尔曼滤波、粒子滤波等。

（2）特征提取：特征是对目标的抽象化表示，即从目标原始空间映射到某一特征空间。特征提取过程就是将原始图像数据通过转换得到更有利于描述需求的表达方式。跟踪算法采用的特征分为人工特征和学习特征。常用的人工特征有灰度特征（gray），方向梯度直方图（hog），哈尔特征（haar-like），尺度不变特征（sift）等。与人为设计的特征不同，学习特征是通过大量的训练样本学习出来的特征，它比手工设计的特征更具有鉴别性。

3. 国内外研究现状

1997年，美国卡耐基梅隆大学参与了视觉监控项vsam的研究开发，由此建立了第一个校园监控系统。在智能监控方面，maryland 大学研发的实时监控系统实现了人的跟踪，可用于对人的行为监视，并可以判断人是否携带物体等简单行为。英国雷丁大学的车辆交通监控系统则是对车辆和行人的跟踪及交互作用识别相关方面的研究。在国内，视觉跟踪技术自1986年开始立项研究，视觉跟踪领域的理论和技术也有了长足的发展，中国科学院、浙江大学、武汉大学等高校和研究所在目标跟踪、运动行人的检测识别方面取得了一定的成果。

行人重识别的研究起始于二十世纪九十年代中期。研究者们借鉴、引入了一些图像处理、模式识别领域的成熟方法，侧重研究了行人的可用特征、简单分类算法。自2014 年以来，行人重识别技术的训练库趋于大规模化，广泛采用深度学习框架。随着高校、研究所以及一些厂商的研究持续深入，行人重识别技术得到了飞速的发展。2020年，依图科技在reid领域取得新突破，刷新业界三大权威数据集当前最优成绩(sota)，算法性能达到业界迄今最高标准，极大拓展了算法和应用的边界，加速行人重识别(reid)大规模商业化落地。

目前,行人再识别领域主要依据行人的表观特征,如衣服颜色、纹理和度量学习来判断是否是同一行人目标。在特征提取方面,为了在不同光照、尺度、角度的场景下,将行人识别出来,需要提取具有鉴别力鲁棒性的特征属性,许多学者和研究人员提出各种算法。2010年,farenzena m按照人体结构分区,并且基于hsv颜色特征和纹理特征将人从前景中分离出来。2014年,yang y等人提出基于突出性颜色特征的颜色描述特征,从而保证越相近的颜色被分配到同一组的概率越大。颜色和纹理等特征的融合在一定程度上解决了不同监控视频图像中行人图像外貌特征的差异问题,但是这些特征容易受到光照、摄像头位置等环境因素的影响。2016年,cheng d等人提出一种基于结构的多通道带有改进三重损失函数的卷积神经网络模型,提出一种新的、多通道的cnn模型学习特征。

4. 计划与进度安排

2022年 10 月 20 日-10 月 28 日 熟悉毕业设计流程，确定选题方向

2022年 10 月 29 日-11 月 15 日 确定毕业设计题目

2022年 11 月 16 日-12 月 11 日 查阅相关材料，完成开题报告

5. 参考文献

[1]汤一明,刘玉菲,黄鸿.视觉单目标跟踪算法综述[j].测控技术,2020,39(08):21-34.

[2]杨勇,张轶.基于深度学习的行人单目标跟踪[j].现代计算机,2020(14):75-82.

[3]白扬,曹丽娟,胡媛媛,杨云.基于特征补偿的单目标跟踪算法[j].计算机工程与设计,2020,41(04):1105-1112.