第四天

当天完成的任务：总结了一下前三天的任务，为明天的演示作下准备。完成的的比如需求分析，基于视频的多目标动态识别算法在摄像在线监控方面有着重要的作用。完成了实现算法过程需要的步骤，输入视频——预处理与保存——选择目标识别算法——选择目标追踪算法。理解了算法流程中各个步骤的作用

第二天的计划：明早和队友先讲一遍算法流程，下午进行演示，晚上开始进行代码部分的学习与设计

每日小结：在视频中逐帧提取k个对象的空间和时间坐标，即轨迹；定义数列Tk表示每个物体在不同帧的位置；定义数组Bt表示每帧图中不同物体的位置。对于t>0的给定帧，有两个步骤，第一个是边界框回归，即预测的跟踪轨迹边界框找不到对应的物体检测框时，可以理解为目标从当前帧中离开，将对应目标删除。第二个是边界框初始化，即物体检测边界框找不到轨迹预测框时，可以理解为新物体出现在当前帧中，开始跟踪新目标。当然这当中出现了些许问题，比如对于有些许遮挡的物体没有考虑到，可以用深度学习的算法进行优化。但是重度遮掩的目标暂时还无法解决。具体算法对应代码的实现，将再之后进行学习。