基于视频的实时车辆检测与属性识别算法研究及系统实现的任务书.docx

基于视频的实时车辆检测与属性识别算法研究及系统实现的任务书
一、任务背景
随着汽车数量的增加以及交通规模的不断扩大，道路交通安全问题变得越来越重要。因此，对车辆行为的监测和管理变得越来越紧迫。车辆属性识别技术是车辆监管领域的一种重要技术手段，它可以通过识别车辆的类型、颜色、大小等特征信息，为车辆监管提供有效的支持。
二、任务内容
在此背景下，本项目旨在通过视频监控技术，实现基于视频的实时车辆检测与属性识别算法研究及系统实现。
具体任务如下：
1、研究车辆检测算法，使用深度学习技术，建立车辆检测模型，实现对车辆的实时检测，并将检测结果输出为标定框。
2、研究车辆属性识别算法，采用深度学习技术，通过对车辆的外观特征进行学习，实现对车辆类型、颜色、大小等属性信息的识别。
3、将车辆检测和属性识别算法融合，实现对车辆的同时检测和属性识别，并且将结果输出为标注信息。
4、设计并实现基于视频的车辆监管系统，包括车辆监管硬件设施和软件平台，实现对车辆的实时检测、属性识别和数据管理。
三、任务要求
1、车辆检测算法：研究基于深度学习技术的车辆检测算法，实现车辆的实时检测，并输出标定框。至少考虑使用一种深度学习算法和一种数据增强方法，实现检测准确率达到85%以上。
2、车辆属性识别算法：研究基于深度学习技术的车辆属性识别算法，实现车辆类型、颜色、大小等属性信息的识别。
3、车辆检测和属性识别算法融合：将车辆检测和属性识别算法融合，实现对车辆的同时检测和属性识别，并输出结果为标注信息。
4、车辆监管系统设计和实现：设计并实现基于视频的车辆监管系统，包括车辆监管硬件设施和软件平台，实现对车辆的实时检测、属性识别和数据管理。
五、任务成果
1、车辆检测算法研究报告，包括车辆检测算法的研究思路、算法实现和实验结果，并输出结果为标定框。
2、车辆属性识别算法研究报告，包括车辆属性识别算法的研究思路、算法实现和实验结果。
3、车辆检测和属性识别算法融合报告，包括车辆检测和属性识别算法的融合思路、算法实现和实验结果，并输出结果为标注信息。
4、基于视频的车辆监管系统设计和实现报告，包括车辆监管系统的设计思路、硬件设施和软件平台实现，以及系统的实验结果。
六、参考资料
1、RenS,HeK,GirshickR,etal.FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2017,39(6):1137-1149.
2、XiongWang,ChenWang,HaoqiangFan,etal.ResNet101inTensorFlow.arXivpreprintarXiv:1706.02677,2017.
3、SimonyanK,ZissermanA.Verydeepconvolutionalnetworksforlarge-scaleimagerecognition[J].arXivpreprintarXiv:1409.1556,2014.
4、WangZ,XieM.Vehicledetectionusingcontoursalientpoints[J].IEEETransactionsonIntelligentTransportationSystems,2012,13(1):153-161.
5、SamuelSchulter,PaulVernaza,WongunChoi,etal.DeepNetworkFlowforMulti-ObjectTracking.arXivpreprintarXiv:1606.04801,2016.