监控场景中的实用目标检测方法研究

项目名称： 监控场景中的实用目标检测方法研究

项目编号： No.61473291

项目类型： 面上项目

立项/批准年度： 2015

项目学科： 其他

项目作者： 雷震

作者单位： 中国科学院自动化研究所

项目金额： 83万元

中文摘要： 监控场景中的目标检测（主要包括行人和车辆检测）是智能视频分析中的核心基础问题。目标检测性能的好坏直接关系着上层智能视频分析的性能。现有的目标检测方法在特定场景下已经取得了较好的检测性能，却也仍旧存在一系列待解决的难点问题。目标检测性能受低分辨率，遮挡，场景变化等因素影响较大，检测速度较慢等均是监控场景下的现有技术仍未完全解决的问题。本课题针对上述难点问题展开研究，通过研究图像和视频上下文信息，提高遮挡情况下的目标检测率。通过共同判别特征学习，提高不同分辨率、不同表象形变下的目标检测性能。通过研究场景自适应算法，提高目标检测算法的通用性和便捷性。此外，本课题还进一步研究探索快速目标检测算法，在不明显影响检测精度的前提下，降低目标检测算法复杂度，提升算法的实用性。

中文关键词： 目标检测；共同判别特征；自适应学习；上下文关系；低分辨率

英文摘要： Object detection in surveillance (including pedestrian and vehicle detection) is a fundamental problem in intelligent video analysis, whose performance is directly related to the success of the high-level video analysis. Although object detection has achieved great success in specific scenario, it is still a challenging problem due to the variations of occlusion, low-resolution, large appearance deformation etc. This project proposes to improve the object detection performance in unconstrained complex scenes. In particular, we propose to exploit the image/video contextual information to improve the detection performance in occlusion. A common discriminant feature extraction method is proposed to enhance the performance with different resolutions. An adaptive object detection mechanism is developed to improve the utility of object detection in different scenarios. This project also investigates the fast object detection algorithm to make the object detection effective and efficient in practice.

英文关键词： Ojbect detection;Common discriminant feature;Adaptive learning;Context information;Low resolution