面向车辆与行人的多目标检测系统设计开题报告

1. 研究目的与意义

机动车的技术不断创新，汽车价格近些年来连续降低，加之人们有了越来越多需要使用机动车的场景，使得我国个人机动车保有量不断上升。

公安部曾发布统计数据，截至2021年9月，全国机动车保有量达3.90亿辆，其中汽车2.97亿辆；全国机动车驾驶人4.76亿人，其中汽车驾驶人4.39亿人。

人们在越来越多的场景中需要使用机动车，在给人们的生活带来便利的同时，也引发了我们对于怎样提升交通监管，以适应不断增长的机动车数量这个问题的思考。

2. 研究内容和预期目标

实现对汽车、行人更好、更及时、更准确的目标检测，可以更加有效的降低交通事故的发生，给老人、儿童、残疾人士更加准确的交通状况。

这就要求汽车行人检测系统不仅要识别出交通道路，还需要及时、准确的识别到道路上的车辆行人的位置。

对于图片、视频以及监控中的目标进行分类和检测，首先的基础任务是判断出这个图片是关于风景、人物、还是食物等，这就是关于图片的分类。

3. 国内外研究现状

目标检测是很多计算机视觉的基础工作，需要通过计算机识别出物体的类别和位置。

对于车辆、行人为目标的检测，首先需要通过图片、视频、实时监控等判断该物体是否是车辆或是行人，若为检测目标的话，还需要识别车辆、行人的所在位置，为后续的轨迹跟踪任务做准备。

现在的目标检测分为两类，分别为一步算法和两步算法。

4. 计划与进度安排

1、2022-11-16至2022-11-24：指导老师下达任务书，对本次毕业设计的进度安排、功能实现和系统提出要求。

2、2022-11-25至2022-12-31：系统设计方面，进行系统需求分析，做好基础的数据准备及技术准备工作，构思系统的功能模块及整体框架。

3、2022-01-01至2022-02-01：在导师的指导下，完成对神经网络、深度学习等理论部分的学习。

5. 参考文献

[1]王嘉璐,王颖,钱立峰,施恺杰,谢剑锋,杨昊天.基于YOLOv4的车辆检测与识别研究[J].物联网技术,2022,12(02):24-27.DOI:10.16667/j.issn.2095-1302.2022.02.006.[2]万泗鑫,李丹.基于YOLOV4的车辆检测系统[J].网络安全技术与应用,2022(02):46-48. [3]敖为能.基于轻量级YOLO的行人和车辆检测[J].现代计算机,2021,27(25):51-56.[4]柯楠. 基于卷积神经网络的车辆及行人检测算法研究与应用[D].湖北工业大学,2020.DOI:10.27131/d.cnki.ghugc.2020.000813.[5]付友,左迅,杨凡,何张凤,曹冉.基于深度学习卷积神经网络模型的行人检测设计[J].信息技术,2021(05):34-38.DOI:10.13274/j.cnki.hdzj.2021.05.006.[6]周娴. 基于深度神经网络的行人车辆检测算法研究[D].中国科学院大学(中国科学院重庆绿色智能技术研究院),2018.[7]王滢暄,宋焕生,梁浩翔,余宵雨,云旭.基于改进的YOLOv4高速公路车辆目标检测研究[J].计算机工程与应用,2021,57(13):218-226.