基于DEEPSORT和YOLO5的多视角视频下的车速估计开题报告

1. 研究目的与意义（文献综述包含参考文献）

一、引言数据显示，在中国，10个人里就有3个人拥有驾照，也就意味着全中国有4亿多驾驶员。

以车代步成为人们的普遍选择，汽车生活时代的到来既体现了社会的发展进步，又增加了交通出行的压力，拥堵毫无疑问是最突出的问题之一[11]。

用智能解决出行难题的需求应运而生，自动驾驶能有效缓解驾驶者的紧张、疲劳状态，还能按章行驶减少主动违规违法[1]。

2. 研究的基本内容、问题解决措施及方案

要研究或解决的问题：1.在对之前工作的调查中，发现识别模型主要用于人体追踪，并未运用到机动车检测中，是否有可能将识别模型用于机动车检测？2.如何改变检测头大小和参数并设置特征提取网络，才能对机动车特征更好的进行提取？3.是否能改变此前车辆识别系统大量基于传统机器学习方法的现状，提高车速估计的准确性？4.如何使用更先进的算法替换原算法中的卡尔曼滤波，用于更好预测车辆下帧的行车轨迹？拟采用的研究手段（途径）：1. 学习并掌握deepsort和yolov5模型开发相关的工具，了解cnn和目标检测涉及的相关算法的优劣并选择合适的架构。

2. 进行车速估计预训练与车辆检测器yolo模型训练。

3. 初步分析并确定架构。