项目名称: 复杂场景下目标跟踪的表观建模研究

项目编号: No.61503388

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 其他

项目作者: 丁建伟

作者单位: 中国人民公安大学

项目金额: 20万元

中文摘要: 表观建模是鲁棒目标跟踪的核心问题。针对现有表观建模方法在复杂场景下存在的不足,本项目拟从视觉描述和模型学习两方面进行系统的研究。通过研究高效的基于局部的拓扑结构模型和融合底层特征与高层属性信息,建立更有效的视觉描述方式。基于半监督模型学习框架,探索将先验知识与在线训练的分类器有效融合,减少漂移发生的概率,提升跟踪的准确性。通过构造跟踪结果与样本提取评估模型,改善错误样本更新导致的模型恶化问题,提升算法在完全遮挡和跟踪失败等极端情况下的鲁棒性。

中文关键词: 目标跟踪;复杂场景;表观建模

英文摘要: Appearance modeling is the critical problem of robust object tracking. In order to overcome the shortcomings of current appearance modeling methods in complex scenes, we are intended to do systematically research from visual representation and model learning in this proposal. More effective visual representation ways are proposed by studying efficient local topological structure model and fusing low level features and high level attributes information. We will study how to effectively fuse prior knowledge and online learned classifier in semi-supervised model learning architecture, which can reduce occurrence probability of drift and promote tracking accuracy. Evaluation models of tracking results and samples extraction are generated to improve model deterioration for wrong samples updating, and promote robustness of algorithm in extreme cases, such as fully occlusion and tracking failures.

英文关键词: object tracking;complex scenes;appearance modeling

成为VIP会员查看完整内容
1

相关内容

标跟踪是指:给出目标在跟踪视频第一帧中的初始状态(如位置,尺寸),自动估计目标物体在后续帧中的状态。 目标跟踪分为单目标跟踪和多目标跟踪。 人眼可以比较轻松的在一段时间内跟住某个特定目标。但是对机器而言,这一任务并不简单,尤其是跟踪过程中会出现目标发生剧烈形变、被其他目标遮挡或出现相似物体干扰等等各种复杂的情况。过去几十年以来,目标跟踪的研究取得了长足的发展,尤其是各种机器学习算法被引入以来,目标跟踪算法呈现百花齐放的态势。2013年以来,深度学习方法开始在目标跟踪领域展露头脚,并逐渐在性能上超越传统方法,取得巨大的突破。

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
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
86+阅读 · 2021年9月4日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
88+阅读 · 2021年4月27日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
44+阅读 · 2021年4月15日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
专知会员服务
43+阅读 · 2020年12月8日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8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
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27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
2+阅读 · 2014年12月31日
国家自然科学基金
1+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
0+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
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
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
14+阅读 · 2021年3月10日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
小贴士
相关VIP内容
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
86+阅读 · 2021年9月4日
【哥伦比亚大学博士论文】深度概率图建模147页pdf
专知会员服务
88+阅读 · 2021年4月27日
【CVPR 2021】变换器跟踪TransT: Transformer Tracking
专知会员服务
21+阅读 · 2021年4月20日
专知会员服务
44+阅读 · 2021年4月15日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
CVPR 2021 Oral | 室内动态场景中的相机重定位
专知会员服务
15+阅读 · 2021年4月12日
专知会员服务
43+阅读 · 2020年12月8日
【CMU】基于图神经网络的联合检测与多目标跟踪
专知会员服务
56+阅读 · 2020年6月24日
相关资讯
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
CVPR 2019 论文大盘点-目标跟踪篇
极市平台
20+阅读 · 2019年8月8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
一种轻量级在线多目标车辆跟踪方法
极市平台
13+阅读 · 2018年8月18日
论文 | 基于RNN的在线多目标跟踪
七月在线实验室
31+阅读 · 2017年12月27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
2+阅读 · 2014年12月31日
国家自然科学基金
1+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
0+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
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
2+阅读 · 2012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