项目名称: 基于视觉注意和稀疏表示的行人检测与跟踪方法研究

项目编号: No.61305042

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 张苗辉

作者单位: 河南大学

项目金额: 23万元

中文摘要: 基于视觉系统的行人检测与跟踪作为一种关键技术,是计算机视觉更高层次行为理解与分析的基础,它的检测精度和跟踪的鲁棒性直接影响到后续的各种诸如人机交互、行人行为的描述与理解等高级应用处理,但现实中的复杂场景以及人体姿态空间的高维和非线性等问题,使得设计稳健的行人检测与跟踪算法变得非常重要。本项目研究基于视觉注意机制的行人检测算法和基于稀疏表示的行人跟踪算法,同时研究多视觉特征自适应融合的跟踪策略。针对基于视觉系统的行人检测与跟踪中的技术难点,提出有效解决方案:(1)提出基于视觉注意机制的能有效描述人体轮廓的行人特征,通过对如颜色、梯度等底层特征进行映射转换, 提出新的更能反映人体本质属性的行人特征,通过对检测分类器进行优化组合,设计构建兼具分类精度和速度的行人检测分类器。(2)提出基于稀疏表示和特征块跟踪的滤波框架,提出有效的模板更新策略。(3)提出粒子群优化基于的多特征自适应融合的跟踪策略。

中文关键词: 行人检测与跟踪;视觉注意机制;稀疏表示;粒子群优化;多特征自适应融合

英文摘要: As a key technology, vision system based pedestrian detection and tracking is the basis of the higher level behavior analysis and understanding in the field of computer vision, its detection accuracy and tracking robustness will directly affect the subsequent varieties of advanced applications such as human-computer interaction, pedestrian behavioral descriptions and understanding etc. Because of the complexity in the actual scene and high dimension and nonlinear problem of the body posture space, it is much necessary for designing robust pedestrian detection and tracking algorithms. Therefore, the main focus of the study is as follows, visual attention mechanism based pedestrian detection algorithm, sparse representation based pedestrian tracking algorithm, multi-cue adaptive fusion tracking strategy. For the technical difficulties of vision based pedestrian detection and tracking, the effective solutions are proposed as follows: (1) Visual attention mechanism based pedestrian feature is proposed, which can efficiently describe body contours, another pedestrian feature, which can better reflect the nature property of human body, is simultaneously explored by mapping conversion of the underlying features such as color feature and gradient feature. In order to improve classification accuracy and real-time, acco

英文关键词: Pedestrian detection and tracking;Visual attention mechanism;Sparse representation;Particle swarm optimization;Adaptive multi-features fusion

成为VIP会员查看完整内容
3

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
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
91+阅读 · 2021年8月29日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19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
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
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4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
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16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
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5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 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
8+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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
24+阅读 · 2020年3月11日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13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
【博士论文】基于深度学习的单目场景深度估计方法研究
专知会员服务
91+阅读 · 2021年8月29日
基于深度学习的视频目标检测综述
专知会员服务
81+阅读 · 2021年5月19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
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
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4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
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
基于深度学习的视频目标检测综述
极市平台
15+阅读 · 2019年7月19日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16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
【深度】行人检测算法
GAN生成式对抗网络
29+阅读 · 2018年6月3日
干货!一文读懂行人检测算法
全球人工智能
11+阅读 · 2018年5月31日
相关基金
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 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
8+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
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009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