基于全方位视觉的多目标检测跟踪的中期报告.docx

基于全方位视觉的多目标检测跟踪的中期报告
本项目基于全方位视觉的多目标检测跟踪，旨在实现对多个移动目标的实时跟踪和识别。以下是项目的中期报告：
目前进展：
1.数据集收集与处理：我们收集了一些现有的视觉跟踪数据集，如MOT和VOT，用于训练和测试我们的模型。我们还开发了一个自己的数据集生成工具，用于生成更真实的数据集，并针对性地加强跟踪器的鲁棒性。
2.多目标检测算法的实现：我们基于FasterR-CNN和YOLOv3算法实现了多目标检测器，并对其进行了调优。我们发现，将两种算法的结果融合使用比单独使用任何一种算法要得到更好的结果。
3.多目标跟踪算法的实现：我们实现了两种基本的多目标跟踪算法：卡尔曼滤波（KF）和异步卡尔曼滤波（AKF）。我们发现AKF算法相对于KF算法能够更好地处理目标交叉、重叠等情况。
4.跟踪系统的搭建：我们将多目标检测和跟踪算法融合，设计了一个实时的跟踪系统，并使用Python编写了一个简单的用户界面，方便使用者输入视频数据，并实时观察跟踪结果。
下一步计划：
1.模型的进一步优化：我们将继续优化我们的多目标检测和跟踪算法，改进其在复杂场景、目标遮挡等情况下的性能。
2.多目标跟踪的聚类算法研究：我们计划研究聚类算法，用于将模糊目标分离开，以减小目标跟踪的误差。
3.系统性能的评估与测试：我们将对跟踪系统的性能进行全面的评估和测试，用于检验系统的实际效果，并为系统的进一步优化提供依据。
4.车辆检测的加入：我们计划将车辆检测这一领域引入我们的系统中，提高系统在交通领域的应用效果。
总之，我们将继续进行更深入的研究和实践，保证系统能够得到更好的性能，提高其实际应用价值。