面向低帧率视频的目标跟踪研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61100147
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    22.0万
  • 负责人：
    张笑钦
  • 依托单位：
    温州大学
  • 学科分类：
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份：
    2014
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2014-12-31

项目摘要

面向低帧率视频的目标跟踪在如智能移动终端、车载视觉系统等嵌入式应用方面有重要的研究意义。低帧率视频中目标跟踪最大的难点在于连续的图像帧中目标物体的表观或运动存在较大的突变，使得传统的"基于连续性假设"的跟踪方法无法处理。本项目旨在探索低帧率视频条件下跟踪方法的研究，并建立实时鲁棒的面向低帧率视频的目标跟踪系统。针对低帧率视频目标跟踪研究中的技术难点，提出有效的解决方案:（1）提出了融合主颜色及其空间分布的表观建模和交叉颜色比例的匹配准则，使得模型能够有效地处理目标表观和光线的突变；（2）提出了基于生物群智能的运动搜索方法- - 退火粒子群优化，实现了对运动突变的有效跟踪；（3）提出了基于模型参数积分图的快速适应值评价方法，大大地提高了算法的实时性。

结项摘要

面向低帧率视频的目标跟踪是计算机视觉领域的热门研究方向，在智能视频分析中至关重要。我们对面向低帧率视频的目标跟踪开展研究，具有重要的理论意义和应用前景。国内外现有的研究都是将低帧率视频看成目标物体的运动突变。然而，在实际应用中，低帧率视频所引入的不仅仅是目标物体的运动突变，还伴随着目标物体表观的巨大变化（包括目标物体姿态形状的变化以及光线变化所引起的表观变化）。本项目从目标表示、模型匹配、运动搜索等方面开展一系列创新性的研究工作。首先，我们提出融合主颜色及其空间分布的表观模型和交叉颜色比例的匹配准则，使得模型能够有效地处理目标表观和光线的突变。其次，针对目标运动的突变，我们提出基于生物群智能的运动搜索方法，以求实现对运动突变的有效跟踪。最后，整合目标跟踪的表观建模模块和运动搜索模块，提出了面向低帧率视频的目标跟踪算法，并搭建了原型测试系统。本项目在IEEE Transactions on Pattern Analysis and Machine Intelligence, IEEE Transactions on Image processing, IEEE Transactions on Circuits and Systems for Video Technology 等国际知名期刊和会议上发表论文 20 篇，申请专利 8 项，已授权专利 3 项，转让实施2项，实施经费40万，产生经济效益1000多万和显著的社会效益，项目成果获得浙江省科技进步奖三等奖。在项目支持下，申请人获批国家自然科学基金面上项目，入选微软青年学者铸星计划、浙江省151人才计划、德国洪堡学者，培养了多名硕士研究生，达到了课题预期目标，圆满完成课题任务。

项目成果

期刊论文数量（12）
专著数量（0）
科研奖励数量（2）
会议论文数量（15）
专利数量（0）
Single and Multiple Object Tracking Using Log-Euclidean Riemannian Subspace and Block-Division Appearance Model
使用对数欧几里得黎曼子空间和块划分外观模型的单个和多个对象跟踪
  • DOI：
    10.1109/tpami.2012.42
  • 发表时间：
    2012-12-01
  • 期刊：
    IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE
  • 影响因子：
    23.6
  • 作者：
    Hu, Weiming;Li, Xi;Zhang, Zhongfei
  • 通讯作者：
    Zhang, Zhongfei
Semantic shape similarity-based contour tracking evaluation
基于语义形状相似度的轮廓跟踪评估
  • DOI：
    10.1117/1.3633334
  • 发表时间：
    2011-10
  • 期刊：
    Optical Engineering
  • 影响因子：
    1.3
  • 作者：
    Xiaoqin Zhang;Wenhan Luo;Li Zhao;Wei Li
  • 通讯作者：
    Wei Li
Dimension estimation of image manifolds by minimal cover approximation
通过最小覆盖近似来估计图像流形的维数
  • DOI：
    10.1016/j.neucom.2012.04.037
  • 发表时间：
    2013-04
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Xiaoqin Zhang;Shengyong Chen;Hujun Bao;Steve Maybank
  • 通讯作者：
    Steve Maybank
Visual tracking via dynamic tensor analysis with mean update
通过均值更新的动态张量分析进行视觉跟踪
  • DOI：
    10.1016/j.neucom.2011.05.006
  • 发表时间：
    2011-10
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Xiaoqin Zhang;Xingchu Shi;Weiming Hu;Xi Li;Steve Maybank
  • 通讯作者：
    Steve Maybank
Human Pose Estimation and Tracking via Parsing a Tree Structure Based Human Model
通过解析基于树结构的人体模型进行人体姿势估计和跟踪
  • DOI：
    10.1109/tsmc.2013.2280438
  • 发表时间：
    2014-05
  • 期刊：
    IEEE Transactions on Systems Man Cybernetics-Systems
  • 影响因子：
    8.7
  • 作者：
    Xiaoqin Zhang;Changcheng Li;Weiming Hu;Xiaofeng Tong;Steve Maybank;Yimin Zhang
  • 通讯作者：
    Yimin Zhang

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

Semi-Supervised Learning Through Label Propagation on Geodesics
通过测地线上的标签传播进行半监督学习
  • DOI：
    10.1109/tcyb.2017.2703610
  • 发表时间：
    2018-05
  • 期刊：
    IEEE TRANSACTIONS ON CYBERNETICS
  • 影响因子：
    11.8
  • 作者：
    樊明宇;张笑钦;杜亮;陈亮;陶大程
  • 通讯作者：
    陶大程
融合颜色，形状和运动信息的基于主动轮廓的视觉跟踪
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Trans. on Image Processing
  • 影响因子：
    --
  • 作者：
    胡卫明;周雪;李威;罗文寒;张笑钦;Stephen Maybank
  • 通讯作者：
    Stephen Maybank

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

张笑钦的其他基金

机场复杂场景下运动目标的检测、跟踪与分类研究
  • 批准号：
  • 批准年份：
    2020
  • 资助金额：
    210 万元
  • 项目类别：
    联合基金项目
视频目标跟踪
  • 批准号：
    61922064
  • 批准年份：
    2019
  • 资助金额：
    130 万元
  • 项目类别：
    优秀青年科学基金项目
基于多特征联合稀疏表示和低秩张量恢复的视觉跟踪研究
  • 批准号：
    61472285
  • 批准年份：
    2014
  • 资助金额：
    76.0 万元
  • 项目类别：
    面上项目

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