基於自適應特徵學習和表觀建模的目標跟蹤算法研究

《基於自適應特徵學習和表觀建模的目標跟蹤算法研究》是依託浙江大學，由李璽擔任項目負責人的面上項目。

基本介紹

• 中文名：基於自適應特徵學習和表觀建模的目標跟蹤算法研究
• 依託單位：浙江大學
• 項目負責人：李璽
• 項目類別：面上項目

項目摘要

本課題將結合信號處理、統計分析、機器學習和計算機視覺等交叉領域在圖像全局和局部特徵表示、非線性特徵變換、信號壓縮、分類器構造、信息融合和算法複雜度分析方面最新進展和熱點研究，將自適應非線性特徵學習、基於哈希（hashing）的二值特徵分析、混合產生式和判別式統計模型設計、特徵表示和表觀建模聯合學習、多任務判別學習以及算法運行複雜度分析等難點問題作為突破點進行研究，建立基於自適應特徵學習和魯棒表觀建模的目標跟蹤框架。通過有機集成相關研究成果與技術，面向公共開放視頻集和網際網路視頻，研發能在複雜條件下進行魯棒目標跟蹤的原型系統，對相關算法進行對比、驗證和完善。

結題摘要

迄今為止，項目團隊在計算機視覺、機器學習、多媒體等領域發表了30篇國際權威期刊和頂級會議論文（如TPAMI、CVPR、ICCV、IJCAI）。同時，申請了15項中國國家發明專利，並獲得一項國際學術會議最佳學生論文獎和一項阿里巴巴國際圖像搜尋大賽三等獎。本項目重點在自適應特徵學習、產生式和判別式統計模型設計、目標表觀建模、多任務判別學習、深度神經網路建模、魯棒目標跟蹤等方面進行創新性理論探索和技術突破，提出了一系列具有國際先進性的學習理論和套用算法，有效促進了人工智慧領域的理論成果套用轉化。另外，本項目的研究成果受到許多國際知名學者的引用和高度評價。在目標表觀建模研究方向上，本項目很多研究成果已線上開源，具有較強的國際影響力。在本項目資助下，項目負責人進一步獲得了浙江省傑出青年基金的榮譽，得到了國內外學術同行的認可，在許多重要的國際學術刊物和會議組織擔任編委和領域主席的職務（如ICCV和TNNLS）。