项目名称: 融合时空上下文信息的运动目标视觉分析方法研究

项目编号: No.61472055

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 计算机科学学科

项目作者: 李伟生

作者单位: 重庆邮电大学

项目金额: 85万元

中文摘要: 面对海量涌现的视频数据,赋予计算机自动对场景中的运动目标进行视觉分析的能力是以视频序列作为输入的实际应用系统中的核心问题和关键技术之一。基于视频帧中某一位置的像素与其历史像素和邻域像素之间存在很强的时间相关性和空间相关性的思想,本项目主要就运动目标视觉分析面临的快速鲁棒的检测与跟踪、特征提取与表达、行为建模与语义表示等问题,综合利用时空上下文信息和多特征融合的优点,研究视频序列中融合时空上下文信息进行运动目标视觉分析的方法,主要研究内容包括:快速鲁棒的目标检测方法,基于目标最佳拟合和时空上下文信息的目标跟踪方法、多特征融合的目标分类方法、基于卷积神经网络的目标行为理解方法等,并将研究成果集成入运动目标视觉分析系统进行分析和验证。通过本项目的研究有望丰富运动目标视觉分析的理论和算法,为促进视频监控等相关产业的发展提供理论和技术支持。

中文关键词: 计算机视觉;视频处理;目标跟踪;图像识别

英文摘要: Facing the emergence of massive video data, the ability to give the computer automatically analyze the moving object in the scene is one of the core issues and key technologies in an actual application system which taken videos sequences as inputs. Based on the thought that the pixel value of a location in a video frame is strongly related to its historic and neighberhood pixels in the aspects of time and space, this proposal aims to solve the difficulties in a visual analysis system that get rapid and robust object detection and tacking, effective feature extraction and expression, model the object action and represent semantics, etc. Ultilizing the advantages of spatio-temporal context and multi-feature fusion methods, this proposal is to study the visual analysis methods of a moving object in a video sequence by fusing spatio-temporal context. The major research contents include: rapid and robust object detection methods, object tracking methods based on best fitting of an object and spatio-temporal context, object classification methods based on multi-feature fusion and action recognition methods based on 3D convolutional neural networks, etc. These novel methods will be analyzed and verified in the visual analysis system of moving objects. Through the research of the proposal, we wish to strength the theories and algorithms of visual analysis of moving objects and provide theory and technology supports for promoting the development of the corresponding industries such as video surveillance.

英文关键词: Compuer vision;Video processing;Object tracking;Image recognition

成为VIP会员查看完整内容
0

相关内容

计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
72+阅读 · 2021年4月8日
【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
77+阅读 · 2021年3月20日
专知会员服务
108+阅读 · 2020年12月22日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19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
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013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
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
Arxiv
0+阅读 · 2022年4月19日
Arxiv
28+阅读 · 2022年3月28日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
7+阅读 · 2021年10月4日
专知会员服务
72+阅读 · 2021年4月8日
【CVPR2021】群体协同学习在共显著目标检测中的应用
专知会员服务
17+阅读 · 2021年4月6日
专知会员服务
53+阅读 · 2021年4月3日
专知会员服务
77+阅读 · 2021年3月20日
专知会员服务
108+阅读 · 2020年12月22日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
【泡泡点云时空】基于分割方法的物体六维姿态估计
泡泡机器人SLAM
18+阅读 · 2019年9月15日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19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
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013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
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
微信扫码咨询专知VIP会员