機率圖模型對偶最佳化及其在視頻序列分析中的套用研究

《機率圖模型對偶最佳化及其在視頻序列分析中的套用研究》是依託清華大學，由陳峰擔任項目負責人的面上項目。

基本介紹

• 中文名：機率圖模型對偶最佳化及其在視頻序列分析中的套用研究
• 依託單位：清華大學
• 項目負責人：陳峰
• 項目類別：面上項目

項目摘要

基於視頻序列的內容分析和理解在網路視頻搜尋和智慧型視頻監控等新興領域具有非常重要的意義。作為對不確定系統建模的一種有力工具，機率圖模型被公認為最主流的框架。但由於視頻數據呈現出隨機性、非線性、快速性和大數據量的特點，使得機率圖模型多數基本問題（如推理、學習等等）為指數級規模或NP難問題，在實際套用中處理起來具有很高的複雜度。因此本項目的研究目標是獲得適用於視頻數據的普遍和高效的機率圖模型算法。研究的中心思路是圍繞目前國際上公認非常具有潛力的對偶最佳化理論，建立以對偶近似為核心的研究架構。在具體方法上採用本項目組提出的機率結構分解和凸化思想對圖模型基本問題進行快速算法求解。研究的結果最終在實際視頻序列所對應的複雜圖模型上進行驗證。項目的成果不僅表現為視頻數據分析算法的改進，更為重要的是可以進一步推進機率圖模型對偶理論的進步，促進非確定性智慧型數據處理領域的發展。

結題摘要

機率圖模型是對不確定性系統建模和求解的有力工具，在計算機視頻、人工智慧、機器學習和信號處理等領域有著廣泛套用，本項目主要研究機率圖用於視頻序列分析等問題時遇到的新問題及求解的新方法。但由於視頻數據的隨機性、非線性、快速性和大數據量等特點，使得機率圖模型多數基本問題（如推理、學習等等）為指數級規模或NP 難問題，在實際套用中處理起來具有很高的複雜度。因此本項目的研究目標是獲得適用於視頻數據的普遍和高效的機率圖模型算法,研究的中心思路是圍繞目前國際上公認非常具有潛力的對偶最佳化理論，建立以對偶近似為核心的研究架構。該項目在機率圖模型的機率推理、結構學習及在視頻序列中的套用等問題上取得了階段性研究成果。在機率推理方面，構建了機率圖模型MAP推理問題的統一框架，並提出新的變分推理算法；在結構學習方面，提出了機率圖模型中二元和多元情況下的變數定向，以及面向解釋任務和面向預測任務的變數選擇算法；在視頻序列的套用方面，利用機率圖模型對視頻序列的結構化表示，構建了基於馬爾可夫隨機場的多攝像機跟蹤框架，並解決了跟蹤問題中的外觀變化、遮擋和模板漂移等問題。該項目目前發表或錄用SCI期刊論文10篇，EI期刊論文3篇，頂級國際會議AAAI論文1篇。項目的成果不僅表現為視頻數據分析算法的改進，更為重要的是可以進一步推進機率圖模型對偶理論的進步，促進非確定性智慧型數據處理領域的發展。