项目名称: 基于蛙眼视觉模型的运动目标检测、跟踪及交通场景分析方法研究

项目编号: No.91320103

项目类型: 重大研究计划

立项/批准年度: 2014

项目学科: 自动化学科

项目作者: 李智勇

作者单位: 湖南大学

项目金额: 60万元

中文摘要: 复杂场景下的运动目标检测、跟踪与分析是当前视觉计算领域基础性难点问题,研究难度大,应用前景广阔,具有重要研究意义。本课题将生物视觉认知理论、视觉信息处理方法与优化设计思想相结合,研究运动视觉计算的新方法,主要研究基于生物视觉机理的运动认知计算模型、运动目标检测与分析方法、以及复杂运动场景下的计算策略与算法。其关键思路是基于蛙眼运动视觉认知机理,研究提出新的运动视觉感知计算模型与选择性注意计算框架,建立以运动不变特征有效编码为核心的目标描述、运动检测、目标识别与跟踪分析方法,设计针对复杂视觉场景与认知计算任务的高效、鲁棒计算策略与算法,及其并行计算模式与优化方法。项目采用理论分析、仿真实验与技术验证相结合的方法,以无人驾驶车作为算法测试对象与技术验证平台,目标是为解决复杂运动视觉计算与交通场景分析探索新的思路与方法,同时也为解决更广泛意义上的视觉计算任务建立新的计算模式与范例。

中文关键词: 目标检测和跟踪;蛙眼视觉特征;多特征融合;分布场;智能优化算法

英文摘要: Moving target detection,tracking and analysis under complex scene is a fundamental and difficult problem in the field of vision computing, whose technology can be applied in many engineering domains. However, there is few general effective computing method for solving these problems nowadays. Research on the issue has important theoretical significance and practical engineering value. Integrating the biological vision cognitive theory, vision information processing methods and optimization design principle, this project studies novel motion vision computing method, which mainly focuses on the motion vision cognitive computing model, the method of motion feature detection and object analysis, as well as the strategies and algorithms of motion vision analysis under complex scene. The key ideas are as follows: according to the frog motion vision cognitive mechanism, propose a motion vision perceptive computing model and selective attention computing framework; establish the corresponding computing methods on object description, moving object detection, object recognition, object tracking and analysis cored on the effective coding of motion-invariant features; design effective robust computing strategies and algorithms for complex visual scene and computing tasks; enhance above algorithms performance by applyi

英文关键词: object detection and tracking;frog’s visual characteristics;multiple features fusion;distribution fields;intelligent optimization algorithm

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
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
59+阅读 · 2021年5月11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
70+阅读 · 2021年3月23日
专知会员服务
50+阅读 · 2020年10月21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
专知会员服务
161+阅读 · 2020年4月21日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16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
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
深度学习目标检测算法综述
AI研习社
25+阅读 · 2019年2月1日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4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
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30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
2+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
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 · 2011年12月31日
国家自然科学基金
1+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
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
20+阅读 · 2021年9月21日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关主题
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
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
91+阅读 · 2021年8月29日
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
59+阅读 · 2021年5月11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
70+阅读 · 2021年3月23日
专知会员服务
50+阅读 · 2020年10月21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
专知会员服务
161+阅读 · 2020年4月21日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16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
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
深度学习目标检测算法综述
AI研习社
25+阅读 · 2019年2月1日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4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
基于深度学习的目标检测算法综述
AI研习社
14+阅读 · 2018年4月25日
车辆目标检测
数据挖掘入门与实战
30+阅读 · 2018年3月30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
2+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
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 · 2011年12月31日
国家自然科学基金
1+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