1．目的及意义

1.1 研究目的

视频物体检测和识别主要随着安防的迫切需要和汽车无人驾驶的快速发展应运而生，政府打击不发份子，道路通监控识别，汽车无人驾驶周围环境的识别，通过对周围物体的识别、测距做出应急规避动作。

在汽车无人驾驶领域，视频物体检测、识别可以通过汽车安置的摄像头对周围环境中的物体先进行检测，对整个环境特征提取，框处景象中的物体，然后对物体的种类进行识别，判断距离以及分析周围物体下一阶段可以做出的动作，汽车自动做出相应的动作；从当前已经应用的案例来看，视频物体检测和识别在停车场、小区或者学校等公共场所进门处识别车牌已经商业化，摄像头对汽车拍照，识别汽车车牌的号码，来收取相应的费用。

道路监控方向，可以通过公安录入的信息，对人脸进行识别、记录，实时获取行人的个人信息，提高抓捕不发份子的效率。

1.2 研究意义

随着社会的发展和科技的进步，自2010年，汽车无人驾驶成为当今社会汽车的一大卖点，虽然不能达到全自动驾驶的技术程度，各大车厂都极力推出自己品牌的无人车，非汽车制造商也开始参与到汽车无人驾驶的研发过程中，形如百度、阿里等大型互联网公司，百度有百度地图的推出，视频监控和汽车无人驾驶成为了当今科技的发展热点，从最开始的道路监控系统“天网”的设计，到最近的汽车无人驾驶，视频物体识别都起着举足轻重的作用。在监控方面，无论是民用，在商场等交通场所的使用，还是国家政府在道路交通监控方面的使用，以及汽车无人驾驶对道路周边的物体及行人的识别，在实时和准确率两方面无论哪一方面做的很好都能带来极大的便利和利益。本设计的目的在于能够实时的识别视频中的物体进行框选并打上该物体的标签，给出为当前标签种类的概率。在当前汽车无人驾驶领域，总共可分为Level-1（特定功能辅助驾驶）、Level-2（组合功能辅助驾驶）、Level-3（高度自动驾驶）、Level-4（完全自动驾驶、无人驾驶）四个阶段，现如今的技术主要出于Level-2的阶段，人为主车为辅，在道路检测、高精地图、毫米雷达等技术的支持下，可以为汽车无人驾驶的安全上带来很大的上升空间。实时的视频物体识别能够对行进过程中的路况进行检测，传达信息，使得汽车自动做出规避、前进等一系列动作。在安防监控方面，在视频物体识别的基础上进行完善就可以达到“天网”的效果，对不法份子进行高效的抓捕，降低犯罪率，增强社会治安。
{title}

2. 研究的基本内容与方案

{title}

(1) 模型算法选择。

对各种物体识别模型进行对比，选择在速度和精确度上都较好的算法模型

①　对当前的各种模型的算法结构进行分析。

②　查找论文，分析国外在目标检测比赛中的结果数据，找出最合适的模型算法。

③　选择合适的公开数据集。

④　选择合适的深度学习框架。

⑤　调研视频物体识别在实际生活中的应用，对模型进行修改，以满足实际生活的需要。