《基於動態基元特徵的場景流計算》是依託哈爾濱工業大學，由屈楨深擔任項目負責人的面上項目。
基本介紹
- 中文名：基於動態基元特徵的場景流計算
- 依託單位：哈爾濱工業大學
- 項目類別：面上項目
- 項目負責人：屈楨深
項目摘要,結題摘要,
項目摘要
場景流用於刻畫三維動態場景的結構和運動，是視覺運動估計由二維邁向三維的革命性演進，也是三維視覺研究中最有前景的新興方向之一。穩健性、精度和時間一致性是現有場景流計算中的關鍵問題。項目提出一類新的方法，用於稠密、非剛性場景流計算，其本質創新在於建立完整的基於動態基元特徵的場景流計算模型。提出基於局部濾波器組的基元特徵向量描述改善方法對光照變化等影響因素的穩健性，將動態係數引入基元特徵中以建模特徵向量的時間相關性，通過多幀聯合疊代計算改善特徵及運動場的時間一致性並提高精度，實現階段通過多解析度嵌套數值疊代配準方法和稀疏表示提高計算效率。項目可望產生國際領先的研究結果，同時為場景流計算開闢一條新的思路，並從根本上提高現有方法的實用性。
結題摘要
場景流和光流用於刻畫動態場景的運動和結構，其計算是計算機視覺的基本問題之一。我們按計畫對這一問題開展研究，圍繞項目中的動態基元特徵選取、基於上述特徵的變分光流/場景流計算方法及數值實現、考慮多幀圖像時間一致性的計算方法、以及算法度量與評測等研究內容進行了深入研究；建立了動態基元模型，完成基於動態基元的變分光流/場景流變分問題描述，考慮多幀時間一致性下及多解析度計算方式下的方法擴展，基於上述描述的解推導過程及疊代數值實現等相關工作。根據現有的標準Middlebury數據集及評價指標予以擴展，加入更多不同真實場景下的圖像序列，以對現有算法進行更為準確的評測。結果表明，提出方法具有更高的穩健性和準確性。同時，由於深度學習技術在近年來的迅速發展，將上述方法與深度學習技術結合併套用於目標跟蹤技術，以改善現有方法性能。基於深度卷積網路通過學習構造基元特徵並和CN顏色特徵結合，進一步使用記憶模型刻畫時間一致性，並與光流/場景流跟蹤預估方法結合提出新的運動估計方法，具有更好的準確性和魯棒性。最後搭建了仿真測試平台。相關算法在無人機目標跟蹤、智慧型球場及醫用視覺檢測領域套用，已在實際生產線上試用或原型樣機研製；同時建立了研究展示網站。
