面向智慧城市应用的多视觉特征的年龄估计

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61802104
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份:
    2021
  • 批准年份:
    2018
  • 项目状态:
    已结题
  • 起止时间:
    2019-01-01 至2021-12-31

项目摘要

Human age estimation is a significant problem in computer vision and pattern recognition and an essential part of Smart City. Most of the research on age estimation is based on face information, but in practical applications, accurate age estimation remains a problem to be solved due to the difficulty of obtaining ideal face information and the lack of data on training. This project proposes a multi-visual age estimation based on the overall appearance of people and establishes an intelligent demography age distribution statistical system. Age-related information is extracted by taking advantage of various visual features of the person such as face, pose, hair, appearance, behavior, etc. The robustness of age estimation in surveillance video is improved by a hierarchical age estimation algorithm. Age estimation algorithm and urban video surveillance are combined to establish an intelligent population age distribution statistical system. The system will achieve the non-contact real-time dynamic population statistics of urban areas through the age estimation algorithm. This topic is expected to publish more than 5 high-quality academic papers for the basic theory of age estimation research and technology to play a catalytic role.
年龄估计一直是计算机视觉和模式识别领域的重要研究课题,也是智慧城市建设的必要环节。目前绝大多数年龄估计的研究都基于人脸信息,但在实际应用中,由于理想的人脸信息获取困难以及年龄训练数据缺乏等原因,准确的年龄估计依然是一个待解决的难题。本项目致力于研究基于多视觉特征的年龄估计及其在智慧城市下的应用开发。本课题提出基于人的整体外观的多视觉的年龄估计,并建立智能的人口年龄分布统计系统。通过人的多种视觉特征,比如人脸、姿态、头发、外观和行为等,来提取出与年龄相关的信息;通过层次式的年龄估计算法提高监控视频中年龄估计的鲁棒性;将年龄估计算法与城市视频监控相结合,建立智能的人口年龄分布统计系统,通过年龄估计算法来实现对城市区域人口年龄数据的非接触式实时动态统计。本课题预期发表5篇以上高质量的学术论文,为年龄估计的基础理论研究和技术应用发挥推动作用。

结项摘要

年龄估计一直是计算机视觉和模式识别领域的重要研究课题,也是智慧城市建设的必要环节。目前绝大多数年龄估计的研究都基于人脸信息,但在实际应用中,由于理想的人脸信息获取困难以及年龄训练数据缺乏等原因,准确的年龄估计依然是一个待解决的难题。本项目主要完成了多模态的年龄数据采集和整理,建立了年龄数据库;研究了基于生成对抗网络的迁移学习和跨模态融合,对年龄估计的多特征融合和迁移有重要意义;研究了深度课程学习来提高图像分类模型的精度,进一步提高年龄估计模型的准确性。本课题发表4篇高质量的学术论文,申请两项专利,为年龄估计的基础理论研究和技术应用发挥推动作用。研究成果对未来建立智能的人口年龄分布统计系统,通过年龄估计算法来实现对城市区域人口的非接触式实时动态统计具有重要意义。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(2)

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

安徽省部分农村地区乡镇卫生院人力资源结构及其变化趋势分析
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    安徽医学
  • 影响因子:
    --
  • 作者:
    王德斌;许晓娟;胡珍珍;李蓉洁
  • 通讯作者:
    李蓉洁
多摄像机视域内的目标活动分析
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    蒋建国;顾占冰;胡珍珍;齐美彬
  • 通讯作者:
    齐美彬
安徽省某市卫生人力资源配置公平性分析
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
    安徽医学
  • 影响因子:
    --
  • 作者:
    赵东军;王德斌;许晓娟;胡珍珍
  • 通讯作者:
    胡珍珍
安徽省某市乡镇卫生院2001—2010年收支变化趋势分析
  • DOI:
    --
  • 发表时间:
    2012
  • 期刊:
    中国卫生经济
  • 影响因子:
    --
  • 作者:
    王德斌;赵东军;胡珍珍;李蓉洁
  • 通讯作者:
    李蓉洁

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

胡珍珍的其他基金

面向场景文字的跨媒体问答研究
  • 批准号:
    62172138
  • 批准年份:
    2021
  • 资助金额:
    60 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