全文总字数：3408字
1. 毕业设计（论文）主要内容：
基于视频的车辆目标检测及追踪是对车辆进行行为分析的重要环节，在智慧交通，无人驾驶等场景中有重要应用价值。但是，现实交通场景是三维的，视频只是现实三维世界在二维上的投影，这个过程势必伴随着大量信息丢失。这也给基于视频的车辆检测及追踪带来一些问题，例如车辆遮挡难检测、车辆空间信息丢失等，这极大的影响了后续智慧交通应用的实现。
人类具备从车载视频中感知其他车辆三维空间的能力，例如不仅可以检测出具有遮挡的车辆，而且能够推理出车辆之间的相对位置及道路空间上的分布。因此，如何让机器能够像人类那样从车载视频中学习到车辆的先验3D信息，从而用3Dbounding box准确标记出检测到的车辆，并且在较长的视频序列中对车辆目标进行跟踪对于智慧交通领域的三维场景理解具有重要意义。
2. 毕业设计（论文）主要任务及要求
1. 查阅基于视频的3D车辆检测的相关文献，理解3D车辆检测及追踪在智慧交通中的应用价值，并较深入的了解基于视频的3D车辆检测及追踪的研究现状。
2. 利用已有的3D车辆模型数据，学习车辆的3D先验知识，从而实现从少量视频序列帧中学习出车辆的3D信息，并用3D bounding box对检测到的目标进行标记。要求在有车辆遮挡的情况下，也能够实现3D车辆检测。
3. 结合视频推测出当前视野下已检测到的车辆的空间分布信息，用俯视图展示已检测车辆的相对位置关系。
3. 毕业设计（论文）完成任务的计划与安排
1. 2020年1月11日-2020年1月31日 查看相关国内外文献
2. 2020年2月1日-2020年2月28日 针对性的学习编程语言；尝试实现已阅读文献中的方法；完成开题报告。
3. 2020年3月1日-2020年3月31日 完成3D车辆目标检测任务，以及用俯视图展示已检测车辆的相对位置关系。
4. 主要参考文献
[1] Sarthak Sharma, JunaidAhmed Ansari, J. Krishna Murthy, and K. Madhava Krishna. Beyond pixels:Leveraging geometry and shape cues for online multi-object tracking. In IEEEInternational Conference on Robotics and Automation (ICRA), 2018.
[2] Hou-Ning Hu, Qi-Zhi Cai,Dequan Wang, Ji Lin, Min Sun, Philipp Krhenbühl, Trevor Darrell, Fisher Yu:Joint Monocular 3D Vehicle Detection and Tracking. CoRR abs/1811.10742(2018).
[3] N. Dinesh Reddy, Minh Vo,Srinivasa G. Narasimhan:Occlusion-Net: 2D/3D Occluded Keypoint LocalizationUsing Graph Networks. CVPR 2019: 7326-7335.
