人体运动视觉分析中的动态隐结构模型研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61273285
  • 项目类别:
    面上项目
  • 资助金额:
    81.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0304.系统工程理论与技术
  • 结题年份:
    2016
  • 批准年份:
    2012
  • 项目状态:
    已结题
  • 起止时间:
    2013-01-01 至2016-12-31

项目摘要

Human body and its motion is highly strcutured due to the articulated skeleton configuration of human body.This characteristic is critical to solve the three basic problems of visual anaysis of human motion, namely, people segmentation, pose estimation and action recognition. By constructing the framework of discriminative latent structure model, the gap between structured low level visual feature and high level semantic label can be bridged by a intermediate latent structured layer. It can lead to an integrated solution to all the three problems within a unique framework simultaneously. In this project, we make the systematic study in theory about the Dynamical Latent Structure Model (DLSM) for human motion analysis. And, the algorithms and the approaches to train the model and make inference are also our main research contents. The adaption of the proposed DLSM to simultaneous people segmentation, pose estimation and action recognition is of our central interest.To provide informative and compact structured visual information for DLSM, we propose to develop effective methods for detecting, representing, and matching of both global and local features. To the best of our knowledge, the proposed ideas of DLSM, which is specially designed to solve the three basic problems of human motion in dynamical image sequence within a unique framework, is quite novel. It can model latent structures of human motion in both time line and image plane at the same time. This is the important innovation and feature of our project.
人体及其运动具有高度的结构化特性,这一特性对人体运动视觉分析的三个基本问题:人体的分割、姿态估计和动作识别具有重要意义。通过建立判别式隐结构模型,可以把底层视觉观测和高层语义通过一个结构化的隐变量层有效沟通起来,从而使人体运动分析的三个基本问题有望在一个框架内高效解决。本项目系统研究人体运动分析中动态隐结构模型的理论架构和求解策略,以及在此框架下整合解决人体分割、姿态估计和动作识别的计算方法。并研究检测、表示与匹配全局和局部人体视觉特征的有效方法,为以动态隐结构模型为核心的人体运动分析提供紧凑而富含信息量的视觉观测特征。本项目提出的针对序列图像的动态隐结构的理论研究以及在其框架内进行人体运动分析三个基本问题的整合求解,可对时间序列上的人体运动同时进行线(时间)和面(图像)上的隐结构建模,是本项目的主要创新和特色。

结项摘要

着眼于人体及其运动的高度结构化特性,本项目试图从理论算法和实际应用两个层面对人体运动视觉分析进行深入探索。对于人体运动视觉分析的三个基本问题:人体检测分割、姿态估计和动作识别,试图打破过去各自解决、彼此独立的框架,通过挖掘人体的结构化特性,达成信息的高效利用和共享,以降低问题求解难度。围绕这个总体目标,项目执行过程中的具体研究内容可概括为五个部分:(1)动态隐结构分析的基础理论的算法;(2)底层人体运动视觉分析:人体检测、分割与跟踪;(3)中层人体运动视觉分析:人体姿态估计;(4)高层人体运动视觉分析:人体动作识别;(5)视觉检测、估计与识别的整合框架研究。以上研究工作,对项目申请书中提出的课题研究目标进行了全面探索,建立了人体运动视觉分析新的整合计算框架和一套有效的计算方法,为在此方向上进一步深入研究夯实了基础,对持续深入在此方向上的探索具有重要意义。相关研究成果形成学术论文30余篇,其中包括中国计算机学会A类期刊和A类会议论文、以及IEEE汇刊、Nuerocomputing、MTA、IEEE ICME、ICIP、ACCV、WACV等领域内权威期刊和会议论文;在项目成果转化应用方面,获专利授权3项,部分研究成果已应用于实际项目中,并取得了满意成效。

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(20)
专利数量(0)
基于混合特征映射的密集场景运动模式分析
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    计算机科学
  • 影响因子:
    --
  • 作者:
    王冲鶄;赵旭;刘允才
  • 通讯作者:
    刘允才
基于人体检测部分响应特征映射的人体动作识别
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    软件学报
  • 影响因子:
    --
  • 作者:
    王磊;吴俊;周志敏;赵旭;刘允才
  • 通讯作者:
    刘允才
Multiple-Shot Person Re-identification by Features Learned from Third-party Image Sets
通过从第三方图像集中学习的特征进行多镜头人物重新识别
  • DOI:
    10.3837/tiis.2015.02.017
  • 发表时间:
    2015-02
  • 期刊:
    TIIS
  • 影响因子:
    --
  • 作者:
    Y. Zhao;L. Wang;X. Zhao;Y. Liu
  • 通讯作者:
    Y. Liu
Person Re-identification by encoding free energy feature maps
通过编码自由能特征图进行人员重新识别
  • DOI:
    10.1007/s11042-015-2503-y
  • 发表时间:
    2016-04
  • 期刊:
    Multimedia Tools and Applications
  • 影响因子:
    3.6
  • 作者:
    Y. Zhao;X. Zhao;R. Luo;Y. Liu
  • 通讯作者:
    Y. Liu
Reduce false positives for object detection by a priori probability in videos
通过视频中的先验概率减少对象检测的误报
  • DOI:
    10.1016/j.neucom.2016.03.082
  • 发表时间:
    2016-10
  • 期刊:
    Neurocomputing
  • 影响因子:
    6
  • 作者:
    Lei Wang;Xu Zhao;Yuncai Liu
  • 通讯作者:
    Yuncai Liu

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

流程正式化一定妨碍创造力吗——知识治理与环境不确定性的作用
  • DOI:
    10.16192/j.cnki.1003-2053.2017.02.006
  • 发表时间:
    2017
  • 期刊:
    科学学研究
  • 影响因子:
    --
  • 作者:
    刘新梅;赵旭;陈玮奕
  • 通讯作者:
    陈玮奕
石墨烯修饰的二氧化钛纳米管电极光电催化去除铜氰络合物研究
  • DOI:
    10.13671/j.hjkxxb.2015.0571
  • 发表时间:
    2015
  • 期刊:
    环境科学学报
  • 影响因子:
    --
  • 作者:
    刘会芳;乔建刚;田世超;许文泽;张娟娟;齐璠静;王云飞;赵旭
  • 通讯作者:
    赵旭
耕作措施对民勤绿洲区农田土壤团聚体组成及其碳稳定性的影响
  • DOI:
    10.19303/j.issn.1008-0384.2021.07.012
  • 发表时间:
    2021
  • 期刊:
    福建农业学报
  • 影响因子:
    --
  • 作者:
    陈亮;王军强;李彦荣;栾倩倩;王翠丽;王振龙;赵旭
  • 通讯作者:
    赵旭
碱式碳酸镁的表面有机改性及性能表征
  • DOI:
    10.14062/j.issn.0454-5648.20190131
  • 发表时间:
    2020
  • 期刊:
    硅酸盐学报
  • 影响因子:
    --
  • 作者:
    王余莲;印万忠;李闯;袁志刚;李帅;赵旭;朱明;靳宝庆;宛天成
  • 通讯作者:
    宛天成
基于间接毒性认知的中药安全风险防控
  • DOI:
    10.19803/j.1672-8629.2021.11.02
  • 发表时间:
    2021
  • 期刊:
    中国药物警戒
  • 影响因子:
    --
  • 作者:
    高云娟;赵旭;柏兆方;王伽伯;湛小燕;郭玉明;肖小河
  • 通讯作者:
    肖小河

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

赵旭的其他基金

视频人体运动的层级时空模式表示与识别
  • 批准号:
    62176156
  • 批准年份:
    2021
  • 资助金额:
    57 万元
  • 项目类别:
    面上项目
视觉人体运动的贝叶斯学习、分析与合成
  • 批准号:
    61673269
  • 批准年份:
    2016
  • 资助金额:
    62.0 万元
  • 项目类别:
    面上项目
企业生态型供应网络的设计及其支持系统的构建
  • 批准号:
    70172002
  • 批准年份:
    2001
  • 资助金额:
    10.0 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