《基於圖模型與增量學習的網路化智慧型視頻監控研究》是依託清華大學，由王貴錦擔任項目負責人的面上項目。
基本介紹
- 中文名：基於圖模型與增量學習的網路化智慧型視頻監控研究
- 依託單位：清華大學
- 項目負責人：王貴錦
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
如今世界幾乎已是攝像頭監視的世界, 海量攝像頭監控網路將是社會重要組成部分。但人眼實時監看所有畫面既不經濟也不現實，如何分析這些海量網路化視頻是監控網路普及的關鍵。為求實用，已有研究注重單攝像頭內事件分析或較少攝像頭間畫面關聯。受攝像視野所限、光照變化、目標遮擋等因素，對整個監控網覆蓋區事件分析性能檢測率受限、虛警率高。本項目擬對物理上互連成網的攝像監控系統用圖結構進行建模，節點屬性含區域內提取的事件局部特徵, 如視野內有無目標、其擁擠度、運動軌跡、進出時間、光流場有序度等；節點間的邊反映區域局部觀測信息間關聯，如目標進出的時間關聯、軌跡的空間位置關聯，目標間表觀相似性關聯、光流有序度關聯等。通過代價函式最小化，用增量學習動態適應監控場景變化，訓練圖模型中節點狀態和邊連線及其對事件檢測的權重。不以特定套用為目標，我們探索圖模型及增量學習等較一般化的視頻監控網路基礎理論和方法。
結題摘要
如今世界幾乎已是攝像頭監視的世界，海量攝像頭監控網路將是社會重要組成部分。但肉眼實時監看所有畫面既不經濟也不現實，如何分析這些海量網路化視頻成為監控網路普及的關鍵。為求實用，已有研究注重單攝像頭內事件分析或較少攝像頭間畫面關聯。受攝像視野所限，對整個監控網覆蓋區事件分析如管中窺豹，檢測率受限、虛警率高。同時，僅基於普通攝像頭的方案很難獲取豐富的監控信息，也增加了後期識別的難度。 針對這些難點，本項目圍繞網路化視頻監控展開研究，分高精度深度成像、單攝像頭智慧型識別算法和多攝像頭智慧型關聯算法進行深入研究。首先，我們研究深度成像的算法，因為深度圖像成像是獲取圖像中深度信息的關鍵技術。我們提出了一系列高精度深度成像算法，包括給予雷射散斑投影的主動深度感測算法，基於級進可靠點生長匹配算法的深度估計算法，自適應初始化和組合精化濾波策略和高精度濾波光場重建，在公開數據集上取得了世界第一的精度。在高精度深度圖像的基礎上，我們進一步提出了針對監控的智慧型識別算法，針對物體和人研究出一系列識別方案，包括多尺度目標檢測算法，基於疊代直推式學習的自動圖像分割算法，基於圖模型和聚類的人體姿態檢測算法和基於隱變數的層級動作識別算法，在世界上取得領先的水平，為監控性能提供了重要的保證。最後，我們將跨攝像頭目標對應算法做到國際領先的性能，融合各方面信息，進一步整合監控。基於這些結果，我們搭建了包含20個高清攝像頭網路的監控系統，將研究成果套用於實際場景。 經過研究，我們超額完成論文目標，發表進入SCI、EI和ISTP檢索的論文21篇，其中SCI有13篇，包括計算機視覺頂級會議ICCV，頂級國際期刊IEEE Transactions on Image Processing, Pattern Recognition, NeuroComputing等。同時，我們培養了博士4名，碩士4名。
