基于嵌入式平台的多目标实时跟踪系统软件设计与实现的开题报告.docx

基于嵌入式平台的多目标实时跟踪系统软件设计与实现的开题报告
一、研究背景与意义
目标跟踪在计算机视觉领域有很广泛的应用，比如车辆跟踪、人脸跟踪、无人机跟踪等等。在实际应用中，需要对跟踪目标进行多目标跟踪，而且具有高速和高精度的实时特性。
嵌入式平台是在应用领域得到广泛应用的一种计算机系统，具有可以固定处理任务、轻便便携、功耗低、可进行高速数据处理等优点。本项目将开展基于嵌入式平台的多目标实时跟踪系统软件设计与实现，将多目标跟踪算法部署在嵌入式平台上，提高系统的处理效率和实时性，可以为实际场景中目标跟踪的应用提供一种全新的解决方案。
二、研究内容与技术路线
本研究的主要内容为：基于嵌入式平台的多目标实时跟踪系统的软件设计与实现。
研究涉及的技术包括：
1.多目标跟踪算法：本项目将尝试使用最新的深度学习技术，如Faster-RCNN、YOLO等算法，来进行多目标跟踪，并进行比较、总结和改善。
2.嵌入式平台：本项目将使用JetsonNano嵌入式平台作为开发平台，针对其各项技术特点进行优化，保证算法部署在嵌入式平台上的效率和实时性。
3.软件设计与实现：本项目将根据系统需求，使用C++语言完成系统的算法实现和软件开发，部署到嵌入式平台上，并进行调试和优化。
技术路线：
1.首先确定本项目的多目标跟踪系统的需求和技术方案。
2.然后在目标跟踪算法方面，从传统的目标跟踪算法开始，对各种算法进行调研、比较和分析，最终确定采用最先进的深度学习算法，如Faster-RCNN、YOLO等算法。
3.在嵌入式平台方面，本项目将使用较为常用的JetsonNano嵌入式平台，并进行其相关配置和优化。
4.最后进行系统软件设计和实现，本项目将使用C++语言进行程序的编写和优化，并部署到嵌入式平台上。
5.进行系统的测试和优化，确保系统的效果和实时性能。
三、预期成果与创新点
本研究的预期成果：基于嵌入式平台的多目标实时跟踪系统的软件设计与实现，开发出功能完善、性能稳定的系统。并将系统部署于真实环境中，进行实际的应用测试。
本研究的创新点：1.本项目采用最新的深度学习技术，使得目标跟踪的效果更加准确和鲁棒。
2.本项目将多目标跟踪算法部署在嵌入式平台上，有助于提高处理速度和实时性能。
3.本项目使用JetsonNano嵌入式平台，有利于实际应用中的目标跟踪系统的真正开发和应用。
四、预期时间安排
本项目的预期时间安排如下：
1.前期准备和方案设计（4周）：确定多目标跟踪的需求和技术方案，从传统的目标跟踪算法开始，对各种算法进行调研、比较和分析，最终确定采用最先进的深度学习算法，如Faster-RCNN、YOLO等算法，并对嵌入式平台进行相关配置和优化。
2.系统软件设计和实现（8周）：使用C++语言进行程序的编写和优化，并部署到嵌入式平台上。
3.系统的测试和优化（4周）：进行系统的测试和优化，确保系统的效果和实时性能。
4.论文撰写和答辩（4周）：撰写毕业论文，进行论文答辩。
五、参考文献
[1]周成,袁国梁,李响,程运辉,&张智.(2018).光流法与卷积神经网络在多目标跟踪中的应用研究.自动化与仪器,2,031.
[2]张绪林,&朱建云.(2018).基于深度学习的目标检测与跟踪技术研究.大连理工大学学报,58(5),557-563.
[3]李静波,朱利,&王慧敏.(2017).几种人脸跟踪算法的比较研究.计算机工程,43(12),127-133.