複雜環境下基於生物激勵的情景理解方法研究

《複雜環境下基於生物激勵的情景理解方法研究》是依託電子科技大學,由董樂擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：複雜環境下基於生物激勵的情景理解方法研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：董樂

項目摘要

近年來，隨著視覺信息多媒體數據的不斷增多以及網際網路規模的不斷增長，對複雜環境下情景理解的要求也在不斷提高。情景理解的質量主要取決於兩方面的關鍵技術，即視覺信息的表達技術和標註技術。本課題擬圍繞複雜環境下感知特徵提取、知識表達與整合、感知數據的學習與理解等核心問題，主要研究視覺信息的高效計算模型，包括基於生物激勵的視覺特徵的提取與選擇和基於知識構建的視覺信息分類，並在此基礎上研究複雜環境下的知識表達和情景元素的關聯性多標註方法。本課題擬進行視覺建模並開發相應算法從視覺信息的選擇性顯著區域中自動提取特徵，最終在結構化描述體系中實現知識構建、表達、分類及標註。本課題建立的體系有效性擬在解決複雜環境下的視覺信息中顯著區域的檢測、海量視覺信息分類及檢索等相關研究問題中得到驗證。提出的模組化結構體系擬提供直接的可獲取資源的擴展平台，包括用戶相關反饋, 有前後關聯的輸入, 以及多模態信息等。

結題摘要

近年來，隨著視覺信息多媒體數據的不斷增多以及網際網路規模的不斷增長，對複雜環境下情景理解的要求也在不斷提高。情景理解的質量主要取決於兩方面的關鍵技術，即視覺信息的表達技術和標註技術。本課題圍繞複雜環境下“感知特徵提取”、“知識表達與整合”和“感知數據的機器學習與理解”等核心科學問題，主要研究視覺信息的高效計算模型，包括基於生物激勵的視覺特徵的提取與選擇和基於知識構建的視覺信息分類，並在此基礎上研究了複雜環境下的知識表達和情景元素的關聯性多標註方法。本課題建立的體系有效性在解決複雜環境下的視覺信息中顯著區域的檢測、海量視覺信息分類及檢索等相關研究問題中得到驗證。相關工作引起了同行業專家的熱烈討論和強烈反響，並在一定程度上針對在基於生物激勵機制下場景的關聯性和層級性進行的圖像分類、複雜環境下多視角場景和物體的聚類問題、超圖聚類匹配和行為識別等方向有所創新。 針對生物激勵的複雜環境下模糊場景的層級分類問題，提出模擬人類大腦對於感知場景時的高效工作機制。對於複雜場景分類結果非常理想。分類器的顯性表現說明類越大，分類結果越準確。該現象也是大數據時代圖像處理髮展的必然趨勢，即該體系框架之下，通過利用海量數據信息以及高性能計算技術獲得更加準確的處理結果。 對於複雜環境下多視角場景和物體的聚類問題的研究，提出了一種新的基於二維圖模式的聚類方法，同時分析了傳統二維圖聚類方法的不足之處。接著通過探discrete-time quantum walks 和圖的 Ihara zeta function 的關係，分析討論了將基於二維圖表達的聚類方法擴展到高維關係表達的必要性和可行性，具體結果參見（研究工作主要進展和所取得的成果）。 對於高維空間表達下進行圖像特徵匹配研究，提出了一套高效的圖像降維匹配機制，克服了其他超圖匹配理論當中經典降維方法的使用而帶來的高維信息損失。該方法與傳統匹配算法的效果對比非常明顯，平均匹配正確率高於現階段最精準算法15%左右。 針對基於區域形狀與運動特徵的實時行為識別提出了一種基於推廣的Hu不變矩特徵的實時行為識別方法。本文的方法簡單，計算量少，速度快，可以用於智慧型監控中的實時監測。該方法的識別率為91.7%。該方法可以很容易的套用到多類別多實例的行為場景中。