《多視角下的多類型目標識別與行為分析》是依託上海交通大學，由趙宇明擔任項目負責人的面上項目。
基本介紹
- 中文名：多視角下的多類型目標識別與行為分析
- 項目類別：面上項目
- 項目負責人：趙宇明
- 依託單位：上海交通大學
項目摘要,結題摘要,
項目摘要
人類以及其他高等生物的視覺系統通常都由多個感測器組成，快速地還原場景中背景和目標模型，在高強度噪音、複雜背景等環境下優於人工的視覺系統。受生物視覺三維重建、特徵點分析的離散模型等啟發，結合計算機視覺、場景快速重建、核密度空間最新的研究成果與面向聚類目標監測與跟蹤方法，重點研究監控場景的快速學習自調整方法；高維多目標核函式的聚類方法；三維空間時間全局與局部特徵點提取與建模；多目標的行為線上分析與深層理解，以及不當或異常行為的偵測與預警。研究從高維不變特徵提取建模到深層的行為分析，建立多目標快速監測與線上分析的方法庫，探索場景中目標異常行為監測的新途徑，對於推動我國建立多視角環境下多目標快速分析系統深層次行為理解無疑具有重要的理論與套用價值。
結題摘要
近四年來，整歡蘭課題組結合多視角下多信息源的特點，從成像幾何和計算機視覺理論出發，就多類型目標的識別模型與解析模型等展開研究，在以下幾個方面已取得了顯著進展： （1）針對多視角下多目標的數據高冗餘特點，提出一種新的稀疏表達方法，該方法充分利用訓練樣本的類別標籤信息進行稀疏表達的基向量學習，並用得到的基構造才笑背特徵編碼的字典集合。此外，構造多層深度網路前向傳播定位目標的位置，並反向傳播得到目標的稀疏表達方式。 （2）從場景中多目標在時間序列上的空間位置相關性出發，通過研究多節點的圖結構以及各個節點之間的關聯連線，建立了多目標的結構模型。該結構模型較好地模擬了尋驗疊多目標之間的空間關係，才兆姜從全局的高度推理多目標的最優狀態信息，有效避免了局部逐個推理所帶來局限性，最終有效地解決了多目標定位中的嚴重遮擋與跟蹤漂移的問題。 （3）針章鑽對真實場景中目標尺度各不相同、類內差異較大的問題，提出一種場景相關的混合可變形部件模型。訓練多尺度結構的混合可變形部件模型，結合場景相關特徵，使用圖模型進行表示和推斷，能夠有效減少小尺度目標的虛檢，提高檢測精度，同時將靜態圖像中學習到的行人模型遷移到靜態視頻監控場景中，簡化模型的訓練過程。 （4）以多視角下的多類型目標的不同範例為基本單元，研究了範例間的高維非線性的相似測度函式，提出了新的範例集成算法用於檢測多視角下的多類型目標。每個範例都可形成一個獨立的模型，類型的識別則是基於多範例的集成模型。該方法可用於任意規模的訓練樣本集，有效解決了多視角下同一類型目標訓練樣本不足的難題。同時，範例與所檢測樣束榜估企本的之間建立的相似性聯繫，能將範例所含有的知識遷移到目標上得到更高層次的目標知識（例如：二維區域、三維模型等）。 此外，本項目研究成果已在人工智辨遙察設能國際頂級會議International Joint Conference on Artificial Intelligence上發表論文，在IEEE International Conference on Multimedia & Expo和 IEEE International Conference on Pattern Recognition國際會議上作為口述報告宣讀論文，並在IEEE ICIP和IEEE ICASSP等國際會議上發表多篇論文。在人才培養方面，共培養碩士研究生14名，其中11名已獲得碩士學位。
