《基於弱監督學習和深度信息的目標跟蹤算法研究》是依託華僑大學，由鐘必能擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於弱監督學習和深度信息的目標跟蹤算法研究
- 項目類別：青年科學基金項目
- 項目負責人：鐘必能
- 依託單位：華僑大學
項目摘要,結題摘要,
項目摘要
目標跟蹤以其重要的理論和實用價值一直得到廣泛關注。而複雜場景中遮擋、背景干擾和目標表觀的變化等因素會給目標跟蹤帶來極大挑戰。本課題針對這些問題，將快速目標檢測技術和目標的深度信息融入到目標跟蹤過程中，以實現基於多線索融合的魯棒目標跟蹤。具體地，本課題擬開展以下三個方面的工作：（1）基於廣義霍夫變換和偏最小二乘法，提出一個快速、魯棒的目標檢測算法；同時進行線上學習，以達到在目標跟蹤過程中不斷自適應地學習目標的表觀模型、提高目標檢測的正確率，並通過線上的目標檢測從而不斷修正目標跟蹤的結果；（2）開發利用目標的三維深度信息，充分挖掘深度信息在目標跟蹤中判定和處理遮擋、區分前景和背景等方面的作用；（3）在弱監督學習框架下，融合深度信息、目標檢測、顏色和形狀等互補線索，發揮各個線索的優勢，實現魯棒有效的目標跟蹤。本研究對視頻監控、人機互動等領域有較高的學術與套用價值。
結題摘要
“基於弱監督學習和深度信息的目標跟蹤算法研究”（編號：61202299）是國家自然科學基金青年基金項目，研究期限為3年。本項目的研究目標就是針對目前視覺目標跟蹤系統存在的諸多技術瓶頸問題，將深度信息、線上目標檢測結果和常用的顏色、輪廓、形狀等線索相融合，開展基於弱監督學習和深度信息的目標跟蹤算法研究，以期能夠有效融合多線索信息，從而提升現有的目標跟蹤系統的性能，有效解決遮擋、背景干擾和目標表觀變化等問題。 經過了3年的努力，項目組在弱監督學習和深度等多線索信息的融合方面都取得了重要成果。項目組提出了基於弱監督學習的多信息融合目標跟蹤算法，提高基於弱監督學習的跟蹤算法的魯棒性；在深度信息的融合方面，項目組分別提出基於三維深度和上下文信息的目標跟蹤算法，以及基於圖像集合和深度信息的三維目標跟蹤算法，這些算法能夠有效處理遮擋、背景干擾等問題；此外，在融合檢測和分割等信息方面，分別提出了基於廣義霍夫變換的快速目標檢測和跟蹤算法、基於結構學習和偏最小二乘法的目標跟蹤算法、基於分塊表觀模型和背景模型估計的自適應目標跟蹤算法、以及基於背景剪除驅動的運動目標檢測與摳圖算法等；並開發了相應的軟體套用於目標跟蹤問題中，取得了良好的效果。 本項目共發表論文21篇，其中SCI收錄11篇，EI收錄6篇；申請發明專利7項；培養在讀和畢業的研究生7人；在本項目研究的基礎上，持續圍繞目標跟蹤問題進行深入研究，並獲得了2015年基金委的面上項目資助（編號61572205）。
