基于2D视频视觉关注度的3D重建方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60970092
  • 项目类别：
    面上项目
  • 资助金额：
    30.0万
  • 负责人：
    徐常胜
  • 依托单位：
    中国科学院自动化研究所
  • 学科分类：
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份：
    2012
  • 批准年份：
    2009
  • 项目状态：
    已结题
  • 起止时间：
    2010-01-01 至2012-12-31

项目摘要

三维重建一直是计算机视觉中极具挑战性的研究问题，视频场景的三维重建不仅具有较高的学术研究价值，而且具有广泛的应用前景。本项目主要研究视频的三维重建问题，试图从人的视觉感知出发，通过对视频内容的语义理解，解决或克服传统三维重建方法中遇到的若干难点问题。具体而言，就是通过在二维视频中检测关注区域或显著区域，在重建过程的各个环节中对这些区域内容的信息给予重点关注，从而使得重构出的三维视频在这些关注区域内的误差相对较小。通过引入关注度，一方面可以重点突出关注的区域从而使得重构从场景层次（scene level）聚集到目标层次(object level)，使重构结果尽可能地满足视觉感知的需求；另一方面也可以通过关注区域缩小重构对象从而减少计算量。本项目的方法是建立在已有解决思路和方法的基础上，借鉴视觉认知和视频语义理解的最新研究成果，为解决视频三维重建问题中的难点问题探索新思路、开拓新方法。

结项摘要

本项目在二维视频序列到三维场景重建问题中引入人类视觉感知机理，解决了传统三维重建方法中存在的一些关键问题。取得的重要创新成果包括：（1）提出了一种基于视觉关注度的方法分割自然场景图像中感兴趣的小目标；（2）提出了一种基于视觉关注度的运动目标检测和轨迹跟踪方法；（3）提出了一种基于视觉关注度的视频三维重建方法；（4）提出一种利用局部增强的三维点云模型进行地标图像分类的方法。在国际权威期刊和会议上共发表论文8篇，其中SCI检索2篇，EI检索8篇。申请专利5项，并获得授权2项。培养博士生4名和硕士生1名，项目负责人获得国家杰出青年基金资助，指导的博士生获得中国科学院院长特别奖。在项目执行期间，项目负责人当选为美国计算机学会杰出科学家（ACM Distinguished Scientist）并获得首届中国计算机学会青年科学家奖。

项目成果

期刊论文数量（4）
专著数量（0）
科研奖励数量（0）
会议论文数量（8）
专利数量（0）
Mining Semantic Context Information for Intelligent Video Surveillance of Traffic Scenes
挖掘语义上下文信息用于交通场景智能视频监控
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Industrial Informatics
  • 影响因子：
    12.3
  • 作者：
    T. Zhang; S. Liu;C. Xu;H. Lu
  • 通讯作者：
    H. Lu
Boosted Multi-class Semi-supervised Learning for Human Action Recognition
促进人类行为识别的多类半监督学习
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    Pattern Recognition
  • 影响因子：
    8
  • 作者：
    T. Zhang; S. Liu;C. Xu;H. Lu
  • 通讯作者：
    H. Lu
Enhanced 3-D Modeling for Landmark Image Classification
用于地标图像分类的增强型 3D 建模
  • DOI：
    10.1109/tmm.2012.2190384
  • 发表时间：
    --
  • 期刊：
    Ieee Transactions On Multimedia
  • 影响因子：
    7.3
  • 作者：
    Xiao; Xian;Xu; Changsheng;Wang; Jinqiao;Xu; Min
  • 通讯作者：
    Min
基于黎曼流型度量的人工鱼群算法视觉跟踪
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机科学
  • 影响因子：
    --
  • 作者：
    丁昕苗;郭文;徐常胜;DING Xin-miao1 GUO Wen1;2 XU Chang-sheng2 (Electro
  • 通讯作者：
    2 XU Chang-sheng2 (Electro

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

文本特征提取的研究进展
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    南京信息工程大学学报(自然科学版）
  • 影响因子：
    --
  • 作者：
    曾明睿;袁梦奇;邵曦;鲍秉坤;徐常胜
  • 通讯作者：
    徐常胜
时间一致性保持的多任务稀疏深度表达视觉跟踪
  • DOI：
    10.11896/jsjkx.200800212
  • 发表时间：
    2021
  • 期刊：
    计算机科学
  • 影响因子：
    --
  • 作者：
    郭文;尹童灵;张天柱;徐常胜
  • 通讯作者：
    徐常胜
Social event recognition method based on visual attributes
基于视觉属性的社交事件识别方法
  • DOI：
    10.30822/arteks.v6i2.691
  • 发表时间：
    2014-07-30
  • 期刊：
    ARTEKS : Jurnal Teknik Arsitektur
  • 影响因子：
    --
  • 作者：
    徐常胜;杨小汕;张天柱
  • 通讯作者：
    张天柱
基于深度学习的鲁棒性视觉跟踪方法
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    高君宇;杨小汕;张天柱;徐常胜
  • 通讯作者：
    徐常胜
低秩重检测的多特征时空上下文的视觉跟踪
  • DOI：
    --
  • 发表时间：
    2018
  • 期刊：
    软件学报
  • 影响因子：
    --
  • 作者：
    郭文;游思思;张天柱;徐常胜
  • 通讯作者：
    徐常胜

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

徐常胜的其他基金

面向领域大数据的跨媒体可解释分析与推理
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    308 万元
  • 项目类别：
    重点项目
大数据环境下复杂多媒体内容分析、推送与展示
  • 批准号：
    61432019
  • 批准年份：
    2014
  • 资助金额：
    350.0 万元
  • 项目类别：
    重点项目
面向军事情报的多媒体大数据分析与展示
  • 批准号：
    U1435211
  • 批准年份：
    2014
  • 资助金额：
    150.0 万元
  • 项目类别：
    联合基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码