姓名：王梦妮
学号：20021210873
学院：电子工程学院
【嵌牛导读】本文主要介绍了无人驾驶中所需的行人跟踪算法
【嵌牛鼻子】无人驾驶 环境感知 计算机视觉 卡尔曼滤波 粒子滤波 均值漂移
【嵌牛提问】无人驾驶中所用到的行人跟踪算法有哪些
【嵌牛正文】
行人跟踪一直是视觉领域的一个难点，实际应用环境复杂、遮挡以及行人姿态变化等外界因素都影响着行人跟踪算法的研究。行人跟踪算法模型主要分为生成模型和判别模型。
（一）生成式模型
生成式模型是一种通过在线学习行人目标特征，建立行人跟踪模型，然后使用模型来搜索误差最小的目标区域，从而完成对行人的跟踪。这种算法在构建模型只考虑了行人本身的特征，忽略了背景信息，没有做到有效利用图像中的全部信息。其中比较经典的算法主要有卡尔曼滤波，粒子滤波，mean-shift等。
（1）卡尔曼滤波算法
卡尔曼滤波算法是一种通过对行人构建状态方程和观测方程为基础，计算最小均方误差来实现跟踪的最优线性递归滤波算法，通过递归行人的运动状态来预测行人轨迹的变化。
首先设定初始参数，读取视频序列。然后进行背景估计，产生初始化背景图像。然后依次读取视频序列，利用Kahnan滤波算法，根据上一帧估计的背景和当前帧数据得到当前帧的前景目标。然后对前景目标进行连通计算，检测出运动目标的轨迹。经典的卡尔曼滤波算法．只能对线性运动的行人实现跟踪，之后学者改进了卡尔曼滤波算法，能够实现对非线性运动的行人进行跟踪，计算量小，能实现实时跟踪，但是跟踪效果不理想。
（2）粒子滤波
粒子滤波的核心就是贝叶斯推理和重要性采样。粒子滤波可用于非线性非高斯模型，这是由于贝叶斯推理采用蒙特卡洛法，以某个时间点事件出现的频率表示其概率。通过一组粒子对整个模型的后验概率分布进行近似的表示，通过这个表示来估计整个非线性非高斯系统的状态。重要性采用就是通过粒子的置信度来赋予不同的权重，置信度高的粒子，赋予较大的权重，通过权重的分布形式表示相似程度。
（3）均值漂移（mean-shift）
Mean-shift算法属于核密度估计法。不必知道先验概率，密度函数值由采样点的特征空间计算。通过计算当前帧目标区域的像素特征值概率来描述目标模型，并对候选区域进行统一描述，使用相似的函数表示目标模型与候选模板之间的相似度，然后选择在具有相似函数值最大的候选模型中，您将获得关于目标模型的均值漂移向量，该向量表示目标从当前位置移动到下一个位置的向量。通过连续迭代地计算均值偏移矢量，行人跟踪算法将最终收敛到行人的实际位置，从而实现行人跟踪。
（二） 判别式模型
判别模型与生成模型不同，行人跟踪被视为二分类问题。提取图像中的行人和背景信息，并用于训练分类器。通过分类将行人从图像背景中分离出来，以获取行人的当前位置。以行人区域为正样本，背景区域为负样本，通过机器学习算法对正样本和负样本进行训练，训练后的分类器用于在下一帧中找到相似度最高的区域，以完成行人轨迹更新。判别式模型不像生成式模型仅仅利用了行人的信息，还利用了背景信息，因此判别式模型的跟踪效果普遍优于生成式模型。
（1）基于相关滤波的跟踪算法
核相关滤波(KCF)算法是基于相关滤波的经典跟踪算法，具有优良的跟踪效果和跟踪速度。这是由于其采用了循环移位的方式来进行样本生产，用生成的样本来训练分类器，通过高斯核函数来计算当前帧行人与下一帧中所有候选目标之间的相似概率图，找到相似概率图最大的那个候选目标，就得到了行人的新位置。KCF算法为了提高跟踪精度，使用HOG特征对行人进行描述，同时结合了离散傅里叶变换来降低计算量。
（2）基于深度学习的跟踪算法
近年来，深度学习在图像和语音方面取得了较大的成果，因此有许多科研人员将深度学习与行人跟踪相结合，取得了比传统跟踪算法更好的性能。DLT就是一个基于深度学习的行人跟踪算法，利用深度模型自动编码器通过离线训练的方式，在大规模行人数据集上得到一个行人模型，然后在线对行人进行跟踪来微调模型。首先通过粒子滤波获取候选行人目标，然后利用自动编码器进行预测，最终得到行人的预测位置即最大输出值的候选行人目标位置。2015年提出的MDNet算法采用了分域训练的方式。对于每个类别，一个单独的全连接层用于分类，并且全连接层前面的所有层都是共享，用于特征提取。2017年提出的HCFT算法使用深度学习对大量标定数据进行训练，得到强有力的特征表达模型，结合基于相关滤波的跟踪算法，用于解决在线进行跟踪过程中行人样本少、网络训练不充分的问题。此外，通过深度学习提取特征，利用数据关联的方法来实现跟踪的算法，其中最为著名的就JPDAF与MHT这两种方法。
之前也是为论文苦恼了半天，网上的范文和能搜到的资料，大都不全面，一般能有个正文就不错了，而且抄袭的东西肯定不行的，关键是没有数据和分析部分，我好不容易搞出来一篇，结果还过不了审。
还好后来找到文方网，直接让专业人士帮忙，效率很高，核心的部分帮我搞定了，也给了很多参考文献资料。哎，专业的事还是要找专业的人来做啊，建议有问题参考下文方网吧
下面是之前文方网王老师发给我的题目，分享给大家：
基于深度学习的无人机地面小目标算法研究
基于视觉的智能汽车面向前方车辆的运动轨迹预测技术研究
模拟射击训练弹着点检测定位技术研究
基于深度卷积神经网络的空中目标识别算法的研究
基于可见光图像的飞行器多目标识别及位置估计
无人驾驶车辆手势指令识别研究与实现
车载毫米波雷达目标检测技术研究
基于多传感融合的四足机器人建图方法
中老年人群跌倒风险评估的数据采集系统
基于深度学习的视觉SLAM闭环检测方法研究
真实图片比较视觉搜索任务的年龄效应及对策研究
室内复杂场景下的视觉SLAM系统构建与研究
基于双目内窥镜的软组织图像三维重建
学习资源画面色彩表征影响学习注意的研究
毫米波雷达与机器视觉双模探测关键技术的研究
语义地图及其关键技术研究
多重影响因素下的语音识别系统研究
基于卷积神经网络的自主空中加油识别测量技术研究
基于视觉语义的深度估计、实例分割与重建
重复视觉危险刺激——本能恐惧反应的“二态型”调控机制研究
低成本视觉下的三维物体识别与位姿估计
面向非规则目标的3D视觉引导抓取方法及系统研究
基于物体识别地理配准的跨视频行人检测定位技术研究
基于结构光的非刚体目标快速三维重建关键技术研究
基于机器视觉的动物交互行为与认知状态分析系统
关于单目视觉实时定位与建图中的优化算法研究
动态场景下无人机SLAM在智慧城市中的关键技术研究
面向视觉SLAM的联合特征匹配和跟踪算法研究
基于深度学习的显著物体检测
基于平面波的三维超声成像方法与灵长类动物脑成像应用研究
基于物体检测和地理匹配的室内融合定位技术研究
基于多模态信息融合的人体动作识别方法研究
基于视觉惯性里程计的SLAM系统研究
基于语义信息的图像/点云配准与三维重建
基于种子点选取的点云分割算法研究
基于深度学习的场景文字检测与识别方法研究
基于运动上下文信息学习的室内视频烟雾预警算法研究
基于深度学习的垃圾分类系统设计与实现
面向手机部件的目标区域检测算法的设计与实现
电路板自动光照检测系统的设计与实现
基于机器视觉的工件识别与定位系统的设计与实现
基于深度学习的物件识别定位系统的设计与实现
基于视觉四旋翼无人机编队系统设计及实现
基于视觉惯导融合的四旋翼自主导航系统设计与实现
面向城市智能汽车的认知地图车道层生成系统
基于深度学习的智能化无人机视觉系统的设计与仿真
基于知识库的视觉问答技术研究
基于深度学习的火灾视频实时智能检测研究
结构化道路车道线检测方法研究
基于机器视觉的带式输送机动态煤量计量研究
基于深度学习的小目标检测算法研究
基于三维激光与视觉信息融合的地点检索算法研究
动态环境下仿人机器人视觉定位与运动规划方法研究
瓷砖铺贴机器人瓷砖空间定位系统研究
城市街景影像中行人车辆检测实现
基于无线信号的身份识别技术研究
基于移动机器人的目标检测方法研究
基于深度学习的机器人三维环境对象感知
基于特征表示的扩展目标跟踪技术研究
基于深度学习的目标检测方法研究
基于深度学习的复杂背景下目标检测与跟踪
动态扩展目标的高精度特征定位跟踪技术研究
掩模缺陷检测仪的图像处理系统设计
复杂场景下相关滤波跟踪算法研究
基于多层级联网络的多光谱图像显著性检测研究
基于深度结构特征表示学习的视觉跟踪研究
基于深度网络的显著目标检测方法研究
基于深度学习的电气设备检测方法研究
复杂交通场景下的视频目标检测
基于多图学习的多模态图像显著性检测算法研究
基于面部视频的非接触式心率检测研究
单幅图像协同显著性检测方法研究
轻量级人脸关键点检测算法研究
基于决策树和最佳特征选择的神经网络钓鱼网站检测研究
基于深度学习的场景文本检测方法研究
RGB-D图像显著及协同显著区域检测算法研究
多模态融合的RGB-D图像显著目标检测研究
基于协同排序模型的RGBT显著性检测研究
基于最小障碍距离的视觉跟踪研究
基于协同图学习的RGB-T图像显著性检测研究
基于图学习与标签传播优化模型的图像协同显著性目标检测
姿态和遮挡鲁棒的人脸关键点检测算法研究
基于多模态和多任务学习的显著目标检测方法研究
基于深度学习的交通场景视觉显著性区域目标检测
基于生物视觉机制的视频显著目标检测算法研究
基于场景结构的视觉显著性计算方法研究
精神分裂症患者初级视觉网络的磁共振研究
基于fMRI与TMS技术研究腹侧视觉通路中结构优势效应的加工
脑机接口游戏神经可塑性研究
基于YOLOV3算法的FL-YOLO多目标检测系统
基于深度与宽度神经网络显著性检测方法研究
基于深度学习的零件识别系统设计与研究
基于对抗神经网络的图像超分辨算法研究
基于深度学习复杂场景下停车管理视觉算法的研究与实现
镍电解状态视觉检测与分析方法研究
跨界训练对提升舞者静态平衡能力的理论与方法研究
施工现场人员类型识别方法的研究与实现
基于深度学习的自然场景文字检测方法研究
基于嵌入式的交通标志识别器的设计
基于视觉感知特性与图像特征的图像质量评价
从哪些方面验证需求的正确性 需求分析阶段的工作结果是开发系统的重要基础，大量统计数字表明，系统中 15% 的错误起源于错误的需求。为了提高质量，确保开发成功，降低开发成本，一旦对目标系统提出一组要求之后，必须严格验证这些需求的正确性。一般说来，应该从下述 4 个方面进行验证： （1） 一致性 所有需求必须是一致的，任何一条需求不能和其他需求互相矛盾。 （2） 完整性 需求必须是完整的，规格说明书应该包括用户需要的每一个功能或性能。 （3） 现实性 指定的需求应该是用现有的硬件技术和技术基本上可以实现的。对硬件技术的进步可以做些预测，对技术的进步则很难做出预测，只能从现有技术水平出发判断需求的现实性。 （4） 有效性 必须证明需求是正确有效的，确实能解决用户面对的问题。 验证需求的方法 1. 验证需求的一致性 当需求分析的结果是用自然语言书写的时候，除了靠人工技术审查验证系统规格说明书的正确性之外，目前还 没有其他更好的 “ 测试 ” 方法。但是，这种非形式化的规格说明书是难于验证的，特别在目标系统规模庞大、规格说 明书篇幅很长的时候，人工审查的效果是没有保证的，冗余、遗漏和不一致等问题可能没被发现而继续保留下来，以致开发工作不能在正确的基础上顺利进行。 为了克服上述困难，人们提出了形式化的描述需求的方法。当需求规格说明书是用形式化的需求 陈述语言书写的时候，可以用工具验证需求的一致性，从而能有效地保证需求的一致性。 2. 验证需求的现实性 为了验证需求的现实性，分析员应该参照以往开发类似系统的经验，分析用现有的软、硬件技术实现目标 系统的可能性。必要的时候应该采用仿真或性能模拟技术，辅助分析需求规格说明书的现实性。 3. 验证需求的完整性和有效性 只有目标系统的用户才真正知道需求规格说明书是否完整、准确地描述了他们的需求。因此，检验需 求的完整性，特别是证明系统确实满足用户的实际需要 （即，需求的有效性 ） ，只有在用户的密切合作下才能 完成。然而许多用户并不能清楚地认识到他们的需要 （ 特别在要开发的系统是全新的，以前没有使用类似系统的经验时，情况更是如此 ） ，不能有效地比较陈述需 求的语句和实际需要的功能。只有当他们有某种工作着的系统可以实际使用和评价时，才能完整确切 地提出他们的需要。 理想的做法是先根据需求分析的结果开发出一个系统，请用户试用一段时间以便能认识到他们的实际需要是什么，在此基础上再写出正式的 “ 正确的 ” 规格说明书。但是，这种做法将使成本增加一倍，因此实际上几乎不可 能采用这种方法。使用原型系统是一个比较现实的替代方法，开发原型系统所需要的成本和时间可以大大少于开发 实际系统所需要的。用户通过试用原型系统，也能获得许多宝贵的经验，从而可以提出更符合实际的要求。
撰写出一篇合格的毕业论文，对于那些平日不怎么摸专业书籍、不阅读文献的同学来说，的确是一件非常头疼的事，既要耗费很多时间，又要耗费很多精力，关键还不一定能达标，就更别说写的有质量了。但其实，如果是将这块儿难啃的骨头分成几小块儿的话，将大目标分为小目标，然后分步骤去完成，相信毕业论文只是手到擒来的事。毕业论文主要包括6大部分，具体分为：研究课题、开题报告、论文初稿、后期修改、论文检测查重和论文答辩，我们可以根据这6大模块划分子目标和任务。
重点一：研究课题
研究课题其实就是我们平常所接触的选题，所选的题目将直接决定毕业论文写作的方向。其中，背景、意义、创新之处是需要大家着重考虑的地方。一般导师都会给出学生一个大体的方向，你需要做的就是从小处着手，以小见大，这一点对于本科毕业论文的撰写非常重要，因为要想避免后期反复修改甚至出现方向上的偏差，就一定要先明确选题的方向，尽量具体一些，才能保障写作顺利进行。需要注意的是，在选题的时候还需明确开题报告的大致基调，梳理后期的撰写思路，体现选题的学术价值和意义。
重点二：开题报告
开题报告相对研究课题来讲要复杂一些，其需要你对研究的意义、背景、研究现状(国内外)及具体的研究方法、创新之处进行分析和阐述，这些是组成初稿必不可少的版块，只有确定好框架才能更好的填充内容，保证论文的写作方向不偏离。这里提醒大家一下，在搜集资料的时候一定要注意提炼要点，不要照搬全抄，引用的内容要做好编号并注明引用来源。
重点三：论文检测查重
这里着重强调一下，不要抄袭!不要抄袭!不要抄袭!如果做到了这一点，论文查重大概率是可以通过的。虽然目前有很多论文查重系统可供大家选择，但靠谱的不多，甚至有些无良商家打着免费查重的幌子干着盗窃论文的事，还有直接拿学生的论文进行发表的。所以对于论文查重系统，大家还是要谨慎选择，尽量选择正规靠谱的网站。
如果不知道怎么选择网络上的查重网站，可以从这几个论文查重系统中选一个：知网、维普、万方、PaperPP。知网目前不对个人开放，查重费用昂贵，性价比不高;维普、万方相对便宜一些，可以考虑一下;PaperPP比较适合论文初稿检测，有免费字数和降重功能，可以有效提升论文修改效率，很受大家的欢迎。
参考资料：《写毕业论文有什么技巧吗？》
