基於視覺一致性約束的監控目標精確檢測研究

《基於視覺一致性約束的監控目標精確檢測研究》是依託上海交通大學，由張重陽擔任項目負責人的面上項目。

基本介紹

• 中文名：基於視覺一致性約束的監控目標精確檢測研究
• 項目類別：面上項目
• 項目負責人：張重陽
• 依託單位：上海交通大學

項目摘要

監控目標的精確檢測是目前智慧型視頻監控系統深度套用面臨的一個迫切需要解決的關鍵科學問題。本項目針對視頻監控系統的複雜場景下目標視覺不一致對目標精確、魯棒檢測帶來的挑戰，一方面將基於範例的相似性檢測模型與基於統計的檢測模型相融合擴展，研究基於視覺一致性約束的目標檢測方法與模型，將視覺不一致目標的檢測轉換為視覺一致的子類目標檢測，以克服傳統的統計檢測模型存在的視覺不一致帶來的檢測精度不足等問題。另一方面，將深度卷積神經網路與領域知識輔助的監督學習相融合，提出一種能夠支持知識與數據聯合驅動的新的深監督學習模型,以領域知識的充分利用來提升深度模型的學習效能。通過上述兩個方面的研究，力爭有效解決監控目標檢測中因視覺不一致造成的檢測精度和魯棒性不足問題，獲得監控視頻目標檢測精度和魯棒性上的性能突破，為提高我國智慧型監控視頻的基礎研究水平起到積極的促進作用。

結題摘要

監控目標的精確檢測是目前智慧型視頻監控系統深度套用面臨的一個迫切需要解決的關鍵科學問題。本項目針對視頻監控系統的複雜場景下目標視覺不一致對目標精確、魯棒檢測帶來的挑戰，研究提出了一系列基於視覺一致性約束的目標檢測方法與模型，尤其在監控行人檢測領域，提出了基於有價值上下文挖掘的行人檢測模型，以及基於兩級注意力的行人檢測模型、基於多視角融合的行人檢測模型，有效地提升了行人檢測的性能；同時，通過將深度卷積神經網路與領域知識輔助的監督學習相融合，提出了多個能夠支持知識與數據聯合驅動的新的目標檢測識別計數等模型：針對密集場景下目標檢測計數問題，提出了一種密度圖局部一致性約束的密集目標計數模型，以及一種多任務輔助的密集目標計數模型，有效提升了密集目標計數的性能；針對圖像高級理解中的目標視覺關係檢測識別問題，提出了視覺與文本聯合驅動的目標視覺關係檢測模型，通過融合文本與視覺特徵，有效提升了視覺目標關係檢測的性能。通過上述研究，為監控目標檢測中因視覺不一致造成的檢測精度和魯棒性不足問題，提供了有效的解決方案，獲得監控視頻目標檢測精度和魯棒性上的性能提升，為提高我國智慧型監控視頻的基礎研究水平起到了積極的促進作用。