基于稀疏神经反应的复杂自然背景下小目标运动检测研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
11771347
项目类别：
面上项目
资助金额：
48.0万
负责人：
彭济根
依托单位：
广州大学
学科分类：
A0602.信息技术与不确定性的数学理论与方法
结题年份：
2021
批准年份：
2017
项目状态：
已结题
起止时间：
2018-01-01 至2021-12-31

项目参与者：
刘海峰；李科学；贾骏雄；王常龙；赵福军；井晓华；王华天；
关键词：
稀疏建模稀疏信息处理稀疏神经反应小目标运动检测昆虫视觉系统

项目摘要

Small target motion detection in cluttered natural backgrounds, which is important for extensive application fields such as military surveillance and public safety, is a challenging research issue. In this project, based on recent biological discoveries on structure and function mechanisms of insect's visual system, we intend to make deep research on the issue from the sparsity modelling view. To this end, both the size selectivity and direction selectivity of the neuron STMDs located in the lobula layer of insect's visual system are considered as a kind of spasity, the matrix which consists of correlation weights between on-off pathways of neurons in the medula layer is adopted as the optimization objective, and a constraint set characterizing the response features of neurons is also given, so a type of sparsity optimization model to simulate the function mechanism of insect's visual system is established. And then, the structure of the proposed model is characterized and new opimization theories and methods are novelly developed, and some efficient algorithms are also designed. Moreover, a platform for both algorithm demonstration and model test is set up. Therefore, a new mechanism for us to design detectors of small target motion in cluttered natural backgrounds is founded.

复杂自然背景下的小目标运动检测问题是计算机视觉领域中具有挑战性的研究课题，在军事、公共安全等领域具有重要而广泛的应用。本项目基于生物学关于昆虫视觉系统结构与功能机制的最新研究发现，运用稀疏性建模思想，对该问题开展全新的深入研究。为此，本项目将昆虫视觉系统中小叶层神经元STMD的大小选择性和方向选择性表征为神经反应的稀疏性，以髓质层神经元on-off通道间的关联性权重矩阵为稀疏化目标，根据神经元反应的功能特性给出其相关约束集刻画，由此建立一类模拟昆虫视觉系统功能机制的稀疏优化模型，刻画该类优化模型的结构特性，发展相关的最优性理论，提出可行而高效的求解算法，搭建一个用于复杂自然背景下小目标运动检测的模型验证平台，从而为复杂自然背景下小目标运动检测器的设计提供一种新机制。

结项摘要

目标运动检测是在科技、军事、公共安全、无人驾驶等领域具有广泛应用背景的重要研究课题。然而，当目标很小或远离观测者时，它呈现在观测者视野中的往往只是个模糊的斑点，其自身的形状、颜色、纹理以及轮廓等信息都不能用作运动检测的依据。特别地，在复杂自然场景下，这样的“小目标”又往往淹没在动态的杂乱斑点和噪声中，因而其运动更加难以识别。因此，发展针对复杂自然背景下小目标运动检测的新技术具有十分重要的意义。本项目基于神经生理学研究的最新成果，本项目在昆虫视觉神经系统的组织结构、神经元STMD功能机制的数学刻画、基于神经元稀疏连接的模型构建、稀疏优化模型的等价理论、以及非凸稀疏优化模型求解的新机制等方面取得了系列重要的研究成果：首次提出稀疏关联和多通路融合的建模思想，实现了从复杂自然背景中检测真实小目标运动的视觉功能；首次建立了反馈型STMD神经元网络模型，解决了广视场运动信息与小视场运动信息的融合问题；首次提出了基于ON/OFF通道的场景纹理信息编码解码机制，实现了LGMD2神经元只对相对背景更暗的迫近物体敏感以及从场景光流信息中快速高效提取角速度的视觉功能；建立了稀疏优化建模的统一框架，解决了最稀疏信息表示和恢复的等价模型选择问题；首次提出了直接构造阈值迭代算法进行稀疏求解的新机制，突破了通过优化建模进行间接稀疏求解的传统范式。这些研究成果为构建复杂自然背景下小目标运动检测的新理论、新方法以及新技术提供了新途径。.基于上述成果，本项目正式发表相关学术论文49篇，其中SCI收录47篇、IEEE Transactions系列杂志论文7篇。研究成果被SCI论文引用136篇次。招收博士后人员5人，其中出站博士后人员1人；招收研究生17人，其中博士研究生8人；毕业研究生9人，其中博士研究生8人。