基于粒子滤波的行人跟踪算法研究的任务书.docx

基于粒子滤波的行人跟踪算法研究的任务书
任务书
题目：基于粒子滤波的行人跟踪算法研究
任务目的：
1.研究粒子滤波在行人跟踪中的应用；
2.掌握行人跟踪的基本理论和算法；
3.设计并实现一个基于粒子滤波的行人跟踪算法；
4.在公开数据集上进行测试和验证，评估算法性能。
任务要求：
1.阅读文献，了解粒子滤波在目标跟踪领域的研究进展；
2.理解和掌握行人跟踪中的基本概念和算法，包括背景建模、目标检测、目标跟踪等；
3.设计并实现一个基于粒子滤波的行人跟踪算法，包括目标检测、目标跟踪和轨迹判定等模块；
4.在公开数据集上进行测试和验证，并与现有的行人跟踪算法进行比对；
5.撰写研究报告，包括算法原理、实现细节、实验结果和讨论等。
参考文献：
1.KimKH,LeeSW,ParkKR.Multiple-blobtrackingusingparticlefilters[C]//IEEEinternationalworkshoponperformanceevaluationoftrackingandsurveillance.Citeseer,2005:52-59.
2.WangR,YangJ,FangX.Real-timehumanobjecttrackingusingparticlefilterandmeanshift[C]//ChineseConferenceonPatternRecognition.Springer,Berlin,Heidelberg,2008:200-208.
3.ZhangH,XuQ,TaoD,etal.Robustvisualtrackingwithcompressedsensing[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2015,37(9):2048-2062.
4.HanJ,ZhangD,YeQ.AReliableandEfficientAlgorithmforSingleObjectTrackingBasedonMeanShiftandParticleFilter[C]//Proceedingsofthe20164thInternationalConferenceonMachinery,MaterialsandComputingTechnology.2016:95-99.
5.ChenX,HanZ,ZhangJ,etal.OnlineObjectTrackingviaCollaborativeModelRegressionandMulti-clusterFeatureSelection[J].IEEETransactionsonImageProcessing,2018,27(1):62-75.
6.WengangZhou,MingkuiTan,ZhongyuLou,etal.LearningtoTrackObjectswithRecurrentlyConnectedNeuralNetworks[C]//Proceedingsofthe2016IEEEConferenceonComputerVisionandPatternRecognition.2016:???????
7.ComaniciuD,RameshV,MeerP.Kernel-basedobjecttracking[J].IEEEtransactionsonpatternanalysisandmachineintelligence,2003,25(5):564-577.
8.MaB,YangX,YangR,etal.Robustvisualtrackingwithonlineranklearning[C]//ProceedingsoftheIEEEConferenceonComputerVisionandPatternRecognition.2015:1265-1273.
备注：参考文献仅供参考，可以根据实际需求和研究重点适当修改。
任务时间：
本任务的完成时间为3个月，安排如下：
第一周：阅读相关文献，深入了解粒子滤波和行人跟踪的基本理论和算法。
第二周-第四周：设计并实现基于粒子滤波的行人跟踪算法，并进行初步的调试和测试。
第五周-第六周：在公开数据集上进行测试和验证，评估算法性能。
第七周-第九周：分析算法性能和不足之处，针对性地进行优化和改进。
第十周-第十一周：撰写研究报告，包括算法原理、实现细节、实验结果和讨论等。
第十二周：完成任务，提交研究报告和实现代码。
任务成果：
1.研究报告（不少于20页），包括算法原理、实现细节、实验结果和讨论等；
2.实现的基于粒子滤波的行人跟踪算法源代码和文档；
3.在公开数据集上的测试结果和算法性能评估报告。