《基於半監督學習和互動模型的多目標跟蹤方法》是依託中國科學院大學，由李國榮擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於半監督學習和互動模型的多目標跟蹤方法
- 項目類別：青年科學基金項目
- 項目負責人：李國榮
- 依託單位：中國科學院大學
項目摘要,結題摘要,
項目摘要
多目標跟蹤技術是計算機視覺、圖像理解領域的核心研究之一,其在視頻監控、視頻分析及檢索、運動分析及合成等領域發揮了重要作用。由於在跟蹤過程中，目標形態的變化、遮擋的存在、複雜的環境制約及運動的相互影響等使得對多運動目標的跟蹤變得更加困難。在本研究中，申請人擬採用互動模型來對目標的運動進行預測，並通過半監督的線上學習方法進行自適應特徵選擇，實現對多目標的實時魯棒跟蹤。首先，使用互動模型可以對多目標的運動提供較為準確的估計；其次，通過線上特徵選擇和遮擋分析為跟蹤目標構建具有自適應性的表觀模型；然後，在跟蹤過程中將互動模型與基於半監督CovBoost的線上特徵選擇、線上隨機森林遮擋判別分析器結合起來，提出一種基於互動模型和線上特徵選擇的多目標跟蹤器，將跟蹤中的關鍵問題（運動建模和表觀建模）統一到一個多目標跟蹤框架下；最後實現實時準確的多目標跟蹤，並嘗試拓展到視頻監控、智慧型交通等實際社會民生套用中。
結題摘要
在跟蹤過程中，目標形態的變化、遮擋的存在、複雜的環境制約及運動的相互影響等使得多運動目標跟蹤變得非常困難。本項目針對現有方法在複雜背景及運動套用中所存在的跟蹤失效問題，對基於半監督學習和互動模型的多目標跟蹤方法進行研究。研究內容包括：（1）提出了基於半監督CovBoosting的單目標跟蹤及多目標跟蹤方法，有效應對了跟蹤視頻中表觀及背景漸變帶來的挑戰；（2）提出了基於互動模型的多目標跟蹤方法，包括如何估計目標的運動趨勢，怎樣度量軌跡的運動相似性，如何挖掘場景中的結構信息來改善跟蹤性能，有效解決了跟蹤過程中目標運動複雜這一難題；（3）提出了基於表觀重構誤差預測的跟蹤方法，包括如何中跟蹤過程中，構建反應目標運動及上下文信息的特徵，預測目標的在學習到的生成空間中的重構誤差的變化，以適應目標和背景表觀的變化。課題組的研究成果發表在相關的國際期刊和會議上，已發表學術論文16篇，其中包括IEEE Trans在內的國際期刊10篇，國際會議6篇，培養研究生6名。
