复杂背景中行人目标的4D光场视觉感知机制与识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61906133
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    24.0万
  • 负责人：
    石凡
  • 依托单位：
    天津理工大学
  • 学科分类：
    F0604.机器感知与机器视觉
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

In the field of machine vision and artificial intelligence, the recognition of pedestrians is a key and basic problem. However, the unstructured complex environment brings great difficulty to visual understanding. In order to satisfy friendliness, low cost and convenience, recognizing pedestrians effectively in a complex background based only a single sensor in a single exposure without additional active light source is quite important and difficult. To solve above problem, this project will carry out 4D light field visual perception mechanism and recognition method for pedestrians in complex background: establish dedicated pedestrian 4D light field data set and corresponding multi-feature model; study 4D light field ROI region sensing mechanism of pedestrian targets in unstructured environment using region proposal network, light field 2D global clear map and EPI polar information; illustrate the mathematical relationship among the light field multi-focus slice images; combining with the light field depth image information, establish a two-channel network model to recognize pedestrians in the unstructured environment based on microarray lens macro pixel fusion. This project can provide a solid foundation for future scientific research in the field of visual perception and technical application of the artificial intelligence.
在机器视觉和人工智能领域，对行人目标信息的获取理解和智能感知是其中的关键基础，但是现实中的非结构化复杂环境给视觉理解带来了很大困难。为同时满足友好性、低成本及便捷性，如何在仅有自然光线而无需额外主动光源的情况下，仅用单一传感器在一次曝光中对复杂背景中行人进行有效感知是非常重要的问题。针对该问题，本项目拟开展复杂背景中行人的4D光场视觉感知机制与识别方法研究：建立专用行人4D光场数据集与多特征模型；利用注意力驱动与光场2D全局清晰图、EPI极线联合筛选方法解决复杂环境中行人目标的4D光场ROI区域感知机制问题；阐明光场视觉中空间聚焦距离准连续的多聚焦切片图像之间的相互联系和数学关系，结合多聚焦图像和基于微阵列透镜宏像素融合的深度图像，建立双通道网络模型，对光场信息通道中的图像进行特征感知识别，实现复杂环境中4D光场行人感知识别，为视觉感知领域的科学研究和人工智能产业应用打下坚实基础。

结项摘要

本项目开展了复杂背景中行人目标的4D光场视觉感知机制与识别方法研究。建立专用的行人4D光场图像数据库与多特征模型；利用注意力驱动与光场2D全局清晰图、EPI极线信息的联合筛选的方法解决非结构化环境中行人目标的4D光场ROI区域感知机制问题；阐明光场视觉图像信息中空间聚焦距离准连续的多聚焦切片图像之间的相互联系和数学关系，并与基于微阵列透镜宏像素融合的深度图像信息结合，建立双通道网络模型对光场信息通道中的图像进行特征感知和识别。最终实现非结构化环境中4D光场行人图像的感知识别，揭示了其中的新规律、新特性、新方法，为未来视觉感知领域的科学研究和人工智能产业的技术应用提供新颖、可靠、有效的思路及技术。

项目成果

期刊论文数量（11）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
Visual Object Tracking Based on Light Field Imaging in the Presence of Similar Distractors
存在相似干扰器时基于光场成像的视觉对象跟踪
  • DOI：
    10.1364/ol.43.001251
  • 发表时间：
    2022
  • 期刊：
    IEEE Transactions on Industrial Informatics
  • 影响因子：
    12.3
  • 作者：
    Mianzhao Wang;Fan Shi;Xu Cheng;Meng Zhao;Yao Zhang;Chen Jia;Weiwei Tian;Shengyong Chen
  • 通讯作者：
    Shengyong Chen
Light-field imaging for distinguishing fake pedestrians using convolutional neural networks
使用卷积神经网络区分假行人的光场成像
  • DOI：
    10.1177/1729881420987400
  • 发表时间：
    2021
  • 期刊：
    International Journal of Advanced Robotic Systems
  • 影响因子：
    2.3
  • 作者：
    Yufeng Zhao;Meng Zhao;Fan Shi
  • 通讯作者：
    Fan Shi
Semantic Segmentation With Light Field Imaging and Convolutional Neural Networks
利用光场成像和卷积神经网络进行语义分割
  • DOI：
    10.1109/tim.2021.3115204
  • 发表时间：
    2021
  • 期刊：
    IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT
  • 影响因子：
    5.6
  • 作者：
    Jia Chen;Shi Fan;Zhao Meng;Zhang Yao;Cheng Xu;Wang Mianzhao;Chen Shengyong
  • 通讯作者：
    Chen Shengyong
A Novel Deep Class-Imbalanced Semisupervised Model for Wind Turbine Blade Icing Detection
一种用于风力涡轮机叶片结冰检测的新型深度类不平衡半监督模型
  • DOI：
    10.1109/tnnls.2021.3102514
  • 发表时间：
    2021
  • 期刊：
    IEEE Transactions on Neural Networks and Learning Systems
  • 影响因子：
    10.4
  • 作者：
    Xu Cheng;Fan Shi;Xiufeng Liu;Meng Zhao;Shengyong Chen
  • 通讯作者：
    Shengyong Chen
An Online Multiobject Tracking Network for Autonomous Driving in Areas Facing Epidemic
用于疫情地区自动驾驶的在线多目标跟踪网络
  • DOI：
    10.1109/tits.2022.3195183
  • 发表时间：
    2022
  • 期刊：
    IEEE Transactions on Intelligent Transportation Systems
  • 影响因子：
    8.5
  • 作者：
    Mianzhao Wang;Fan Shi;Meng Zhao;Chen Jia;Weiwei Tian;Tian He;Yu Fu;Xu Cheng
  • 通讯作者：
    Xu Cheng

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

一种嫦娥三号高程值的估计方法
  • DOI：
    10.19665/j.issn1001-2400.2019.02.023
  • 发表时间：
    2019
  • 期刊：
    西安电子科技大学学报
  • 影响因子：
    --
  • 作者：
    周哲哲;赵萌;石凡;陈胜勇;栾昊
  • 通讯作者：
    栾昊
引入境外战略投资者是否提升了公司价值——来自H股公司的经验证据
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    经济学(季刊)
  • 影响因子：
    --
  • 作者：
    陆正飞;张然;石凡
  • 通讯作者：
    石凡
基于直角网格法的单个和阵列布置下柔性水翼绕流数值模拟
  • DOI：
    10.7498/aps.69.20191711
  • 发表时间：
    2020
  • 期刊：
    物理学报
  • 影响因子：
    --
  • 作者：
    辛建建;陈振雷;石凡;石伏龙
  • 通讯作者：
    石伏龙

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

石凡的其他基金

基于4D光场建模的场景运动特征分析
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    53 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