面向机场视觉感知的运动目标检测的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    U1733111
  • 项目类别:
    联合基金项目
  • 资助金额:
    34.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F01.电子学与信息系统
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Many visual perception based intelligent applications in airports, e.g. the visual labeling system and visual anti-collision system, are based on moving object detection. Experiments show that the detection defects of moving object detection are serious in airports, which is mainly due to two reasons: camouflage and class imbalance. Camouflage means the ground of airports and the airplanes sometimes share similar color appearances. Class imbalance means the numbers of foreground and background samples are imbalanced in both quality and quantity. In this project, we will study the camouflage problem and class imbalance problem of moving object detection in airports, and present our corresponding solutions. Our target is to improve the accuracy of moving object detection in airports, and advance the robustness and practicability of intelligent applications in airports.
基于视觉感知的机场智能化应用,例如挂标牌系统、场面视觉防撞系统等,大都以运动目标检测为基础。实验表明,由于机场环境的特殊性,机场运动目标检测存在一系列难题,其中尤以检测缺损最为严重。该类检测缺损主要是由两种因素导致的。首先,机场场面与飞行器目标大都整体或局部呈现相似的灰白色调(颜色相似),导致现有建模与分类算法的区分性降低,并进而引起检测缺损。此外,由于机场地域广阔,运动目标在成像平面上相对微弱,目标与背景在样本数量与质量上存在巨大差异(类不平衡)。基于不平衡数据训练得到的分类器,会导致目标像素的检出率较低,这近似于检测缺损现象。在该项目中,我们将基于机场特殊环境,分析导致检测缺损的颜色相似与类不平衡因素,然后提出有效的解决方案。我们的目标是提升运动目标检测的精度,从而增强基于视觉感知的机场智能化应用的可靠性与实用性。

结项摘要

机场场面作为民航产业的中枢节点,变得越来越拥挤和繁忙,相应地各种机场场面事故也不断增加。过去机场场面的管理主要依赖管制员的目视监视,而基于计算机视觉系统的机场场面监视,是当前与未来的方向。本项目的内容,即是研究于基于计算机视觉的机场场面监视的核心模块:机场场面中的运动目标检测问题。.本项目开展三年以来的主要研究成果包括两个方面:一是建设了首个面向机场场面监视的大规模运动目标检测数据库AGVS,数据库的总帧数超过了十万帧,对应的groundtruth全部基于手工标注得到;二是基于AGVS数据库,设计了一系列的运动目标检测算法,部分相关论文已发表至IEEE Trans. on Image Processing (TIP)、Asian Conference on Computer Vision (ACCV)等著名期刊与会议。部分重要成果即科学意义描述如下。.首先,我们设计并实现了面向机场场面监视的运动目标检测数据库AGVS。AGVS包含了机场场面监视面临的多个挑战性问题,可以用于面向机场环境的运动目标检测的科学研究。这个数据库是学术界首个该类型数据库,数据库的网址是www.agvs-caac.com。该数据库已经在当前运动目标检测领域灵魂人物T. Bouwmans于2020年发表在Computer Science Review的综述文章中被介绍。进一步地,我们还设计并初步实现了面向机场场面目标跟踪的数据库AGVS-T。该数据库也可以从网址www.agvs-caac.com进入,并正在完善之中。.其次,基于AGVS数据库,我们设计了一系列运动目标检测算法,部分相关论文已发表,部分论文在审或撰写中。例如,我们开发了基于扩展运动扩散的算法,用于机场运动目标检测,相关论文发表于IEEE Trans. on Image Processing;开发了基于掩模排序的半监督视频目标分割算法,相关论文发表于Asian Conference on Computer Vision;开发了基于场面颜色先验的运动目标检测算法,相关论文IEEE Intelligent Transportation Systems Magazine在审;开发了基于ADS-B先验的机场视频目标分割算法,相关论文IEEE Trans. on Intelligent Transportation Systems在审。

项目成果

期刊论文数量(1)
专著数量(0)
科研奖励数量(2)
会议论文数量(4)
专利数量(2)
Extended Motion Diffusion-Based Change Detection for Airport Ground Surveillance
用于机场地面监控的基于扩展运动扩散的变化检测
  • DOI:
    10.1109/tip.2020.2984854
  • 发表时间:
    2020-04
  • 期刊:
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子:
    10.6
  • 作者:
    张翔;吴宏刚;吴敏;Celimuge Wu
  • 通讯作者:
    Celimuge Wu

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

森林土壤有效磷测定过程中3种脱色剂的效果比较
  • DOI:
    10.13610/j.cnki.1672-352x.20210510.026
  • 发表时间:
    2021
  • 期刊:
    安徽农业大学学报
  • 影响因子:
    --
  • 作者:
    张翔;赵琼;魏丽漫;耿必苗;武林辉;孙庆业
  • 通讯作者:
    孙庆业
Learning deep discriminative embeddings via joint rescaled features and log-probability centers
通过联合重新缩放的特征和对数概率中心学习深度判别嵌入
  • DOI:
    10.1016/j.patcog.2021.107852
  • 发表时间:
    2021-06
  • 期刊:
    Pattern Recognition
  • 影响因子:
    8
  • 作者:
    蔡华悦;张翔;蓝龙;董国华;徐传福;刘新旺;骆志刚
  • 通讯作者:
    骆志刚
Synthetic method for dibenzepin derivative
二苯氮平衍生物的合成方法
  • DOI:
    --
  • 发表时间:
    2013
  • 期刊:
  • 影响因子:
    --
  • 作者:
    杜云飞;李旭明;张翔;赵康
  • 通讯作者:
    赵康
小口径钻具减速器非对称齿轮接触强度分析
  • DOI:
    10.16578/j.issn.1004.2539.2020.07.016
  • 发表时间:
    2020
  • 期刊:
    机械传动
  • 影响因子:
    --
  • 作者:
    张翔;周琴;张凯
  • 通讯作者:
    张凯
基于调频广播信号的空间碎片探测方法
  • DOI:
    10.15940/j.cnki.0001-5245.2018.05.006
  • 发表时间:
    2018
  • 期刊:
    天文学报
  • 影响因子:
    --
  • 作者:
    张翔;HANCOCK Paul;WAYTH R;all;季江徽;马月华
  • 通讯作者:
    马月华

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

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