8.21 课设报告

今天早上收到了学长的回复，不过学长比较忙，于是我们便列了一个Word文档把我们当前遇到的问题总结了一下，希望晚上能收到回复叭~

今天又试图去计算机院寻找传说中的软件实验室，谁知道所有的软件实验室的门都紧闭着... 无奈之下我们只好坐在计算机院一楼大厅里进行小组讨论。

今天我们又在知网上找到了一篇基于深度学习的多目标追踪算法概述，由于是一篇博士论文，内容写的非常复杂但是又很详实，从这篇文章的绪论中我们已经基本明确了我们的产品需求。我们的课题虽然是基于视频的目标检测，但考虑到现实生活中对于多目标检测与跟踪的应用多存在于交通系统监控领域，其分析的视频资源都是即时的，且每一帧新的画面都将对已有的检测结果产生影响。而目前所常用的追踪器有离线追踪和在线追踪两种。其中离线追踪是指对于已经完成的视频文件，根据其已经出现的每一帧的信息，甚至综合以后的时间点可能出现的视频信息来对图像中的目标进行分析，这种追踪由于其分析的全局性可以保证较高的准确率，但在实时视频监控领域，由于没有未来的视频信息，精度会大大下降。而我们准备采用的算法则属于另一大类：在线追踪，它多被用于视频监控与实时报道领域，其追踪结果只基于当前时间帧和前一时间帧的信息，但由于其分析的即时性，对于未来状态未知的视频信息也依然可以达到有效的判断。

我们还明确了我们流程中所需要用到的基本算法——全局最邻近标准滤波法。它是目前对于多目标追踪最简单但是也相当有效的一个算法。由于对于多目标的追踪往往涉及目标之间的遮挡，以及目标在不同时间帧单位匹配等问题，许多对于单目标的追踪算法并不可用，而该算法主要基于的思想是将已检测的目标与所有待匹配的目标一一对应，通过二元分配组合问题进行建模，在根据不同目标与待匹配目标的组合权重，筛选出最可能的搭配方式。其算法模型哪怕对于我们来说都是比较易于理解的。

明天的任务就是开始绘制我们的算法流程啦，目前看到的几篇文章里都已有了比较详尽的算法，但我们目前还不能完全理解其工作机制，因此对于算法整个过程的详细理解也是明天任务的重点。