基於NAM的動態視覺信息認知理解方法研究

《基於NAM的動態視覺信息認知理解方法研究》是依託華中科技大學，由陳傳波擔任項目負責人的面上項目。

基本介紹

• 中文名：基於NAM的動態視覺信息認知理解方法研究
• 項目類別：面上項目
• 項目負責人：陳傳波
• 依託單位：華中科技大學

項目摘要

在複雜和海量的視覺信息中，如何聚焦到最感興趣的視覺主題，是進行環境感知和視覺信息理解的關鍵問題，對降低視覺信息處理維度與提高視覺計算的認知水平具有重要的意義。基於本研究小組提出的非對稱逆布局的模式表示思想（NAM），藉助於人腦對動態目標的認知方式及過程，對視覺注意特徵的表達和高維圖像數據的分層特徵問題進行研究，建立用於目標檢測和識別的高效視覺推理學習模型和算法。針對視覺信息中顯著性內容感知問題，研究相應的最佳化特徵組織方法。針對視覺認知過程中信息處理的分層機制，研究生物激勵的視覺目標特徵學習與選擇的方法。設計具有線上學習能力的分類算法。理論上將人腦對動態目標的認知方式及過程引入到動態視覺信息處理與理解中是一個新的探索， 在套用上探索解決視頻索引和機器人動態視覺的認知和感知等智慧型化的關鍵技術，有效的動態視覺信息感知和理解方法將可以廣泛套用於相關的動態視覺系統，包括智慧型交通、軍事偵察等領域。

結題摘要

該項目按照項目申請書的計畫順利完成，整個項目未出現調整和變動。項目對視覺注意特徵的表達和高維圖像數據的分層特徵問題進行研究，建立用於目標檢測和識別的高效視覺推理學習模型和算法。在視覺特徵的表示方面，以NAM模型為基礎，模仿人腦對動態視覺信息的認知過程，提出了一組有效的局部、區域和全局的視覺信息描述運算元-GHED；在對目標的感知與識別中，從視覺目標整體認知的角度，基於本研究小組提出的非對稱逆布局的模式表示思想（NAM），藉助於人腦對動態目標的認知方式及過程，提出了一個通用的目標表示模型-NAOM，該模型可以從整體上把握住目標的結構信息，同時具有將不同的視覺特徵進行融合的能力，可以高效的表示整個目標；針對視覺認知過程中信息處理的分層機制，基於NAOM的目標表達方法，建立了非人工干預的線上學習算法和上下文相關聯的識別算法，該算法可以從樣本中提取目標的結構信息和視覺信息，形成有效的目標特徵向量，建立目標的參數模型，結合目標的上下文信息在待檢測的樣本視覺信息中，感知並理解圖像視頻所表達的內容。基於上述算法研究成果，最終構建了視覺認知實驗系統。視覺理解的這些研究，在套用上探索解決視頻索引和機器人動態視覺的認知和感知等智慧型化的關鍵技術，有效的動態視覺信息感知和理解方法將可以廣泛套用於相關的動態視覺系統，包括智慧型交通、軍事偵察等領域。