项目名称: 智能视频分析系统运动目标检测与跟踪研究

项目编号: No.61271333

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 无线电电子学、电信技术

项目作者: 谢乾

作者单位: 南京大学

项目金额: 88万元

中文摘要: 在安全防范要求较高的领域,要能及时发现非法行为、可疑目标和及时避免灾害事故的发生,目前智能视频监控能起到一定的预先报警功能,但是漏检、误警率高,无法达到完全满足安防要求。特别是在复杂动态场景中的云、烟、随风摆动的树叶等噪声/干扰给运动目标检测与跟踪的研究带来了极大的挑战,有许多理论和实际的技术难点需要解决。智能视频监控核心部分为运动目标检测与跟踪,它们是实现智能视频监控应用的基础,本课题拟对复杂场景智能视频分析中运动目标检测与跟踪两方面进行深入的研究,主要内容为三个方面: (1)深入研究共生关系的动态场景建模与运动目标检测方法,提取可靠的背景,分离出前景。 (2)基于背景差驱动种子选择的动态场景中自动运动目标的精细分割方法研究。 (3)基于分块表征模型和局部背景估计的自适应视觉目标跟踪算法研究。

中文关键词: 智能视频分析;算法;分割;复杂场景;

英文摘要: In the security precaution fields, monitors need find illegal behaviors 、suspicious targets and potential disaster in the scenes on time . Currently, Intelligent video surveillance technique can alarm early in some special fields , but it still can't satisfy Security requirement because of loss of alarm or mistake warning in complex dynamic scenes. When the dynamic scenes include bothering objects, such as cloud ,smoke ,trees waving , it takes great challenging to study moving object detection and tracking, there are a great number of theory and technology need to be solved . Moving object detection and tracking is key parts to intelligent video surveillance , it also is fundamental to application of intelligent video surveillance , this issue will focus on studying moving object detection and tracking ,it includes three subjects: Firstly, we further study how to modeling the co-occurrence statistics at neighboring pixels and how to detecting moving object in dynamic scenes. Secondly, we will study how to select driven seeds based on a background subtraction and how to segment moving object . Thirdly, we will propose a robust visual tracking algorithm via a patch-based adaptive appearance model driven by local background estimation.

英文关键词: intelligent video analysis;algorithm;segmentation;complex scene;

成为VIP会员查看完整内容
0

相关内容

基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
智能视频监控关键技术:行人再识别研究综述
专知会员服务
39+阅读 · 2021年12月30日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
47+阅读 · 2021年4月15日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
43+阅读 · 2020年12月8日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
YOLO 实现吸烟行为监测
极市平台
1+阅读 · 2021年10月30日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
做目标检测,这一篇就够了!2019最全目标检测指南
机器学习算法与Python学习
30+阅读 · 2019年9月11日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月17日
小贴士
相关VIP内容
基于深度学习的图像目标检测算法综述
专知会员服务
97+阅读 · 2022年4月15日
智能视频监控关键技术:行人再识别研究综述
专知会员服务
39+阅读 · 2021年12月30日
专知会员服务
86+阅读 · 2021年8月8日
专知会员服务
47+阅读 · 2021年4月15日
视觉目标跟踪十年研究进展
专知会员服务
86+阅读 · 2021年3月10日
专知会员服务
79+阅读 · 2021年2月16日
专知会员服务
43+阅读 · 2020年12月8日
深度学习目标检测方法综述
专知会员服务
274+阅读 · 2020年8月1日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
相关资讯
YOLO 实现吸烟行为监测
极市平台
1+阅读 · 2021年10月30日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
做目标检测,这一篇就够了!2019最全目标检测指南
机器学习算法与Python学习
30+阅读 · 2019年9月11日
综述 | 近5年基于深度学习的目标检测算法
计算机视觉life
38+阅读 · 2019年4月18日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
【机器视觉】表面缺陷检测:机器视觉检测技术
产业智能官
25+阅读 · 2018年5月30日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员