红外多目标实时跟踪方法的研究的中期报告.docx

红外多目标实时跟踪方法的研究的中期报告
一、研究目的和意义：
红外多目标实时跟踪技术是目前智能视频监控体系中的重要内容，涉及到众多领域，如国防，智慧城市，交通流量分析等。本研究的目的是提出一种基于神经网络的红外多目标实时跟踪方法以应对目前实时跟踪中存在的问题。通过提高跟踪精度和实时性，改善目标跟踪效果，为该领域的发展做出重要贡献。
二、研究方法：
1、数据集构建：通过利用红外传感器采集目标信息，利用Python编程对数据进行预处理并分割出训练集和测试集；
2、模型选择：综合考虑多种神经网络模型，包括卷积神经网络(CNN)、循环神经网络(RNN)等，选取适合此研究的模型；
3、网络模型搭建和训练：利用深度学习框架Pytorch搭建神经网络模型并利用制定的优化器及超参数进行训练；
4、实时跟踪算法设计：将训练得到的模型运用到实时跟踪算法中，结合目标相似度量方法和目标运动信息进行预测和跟踪，并不断实时更新网络模型以达到最佳的跟踪效果。
三、研究进展：
1、数据集构建：已采集到红外多目标数据集，并对数据进行预处理并分割出训练集和测试集。
2、模型选择：安排进行多种神经网络模型的评估并最终选择卷积神经网络作为主要模型。
3、网络模型搭建：已根据数据集架构和网络内容，搭建出所需神经网络模型，利用GPU进行了训练。
4、对几种红外多目标实时跟踪算法进行了比较分析，结合卷积神经网络实现了实时跟踪。
四、下一步工作：
1、从网络结构和参数等方面进行优化，提高跟踪精度和实时性。
2、拓宽研究数据集，使用多种红外传感器提高数据集质量和数量。
3、进行实际应用验证。