基于自适应特征的复杂背景下目标检测与跟踪方法研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于自适应特征的复杂背景下目标检测与跟踪方法研究

项目名称：基于自适应特征的复杂背景下目标检测与跟踪方法研究
项目类别：面上项目
批准号：60773136
申请代码：F020508
项目来源：国家自然科学基金
研究期限：2008-01-01-2010-12-31

项目负责人：黄庆明
负责人职称：教授
依托单位：中国科学院大学
批准年度：2007

中文摘要：

本项目针对目前经典动态目标跟踪算法在复杂背景应用中存在的跟踪失效问题,研究基于自适应特征选择的复杂背景下目标检测与跟踪方法。研究内容包括1）基于改进的背景建模方法的目标检测，包括新型的多层复杂背景建模及在线更新算法，以及自适应前景区域合并方法，从而获得完整且精确的运动物体，为跟踪器提供鲁棒的初始化参数；2）基于贝叶斯错误率的跟踪方法，包括如何基于贝叶斯错误率自适应地选择跟踪特征并生成权重图像，怎样将权重图像用于各种跟踪算法。特别是在解决漂移算法中的尺度变化问题和粒子滤波算法中的表观模型构建问题上取得了显著成就；3）基于二维线性判别分析的特征子空间选择方法，包括如何在跟踪中动态、快速地更新特征子空间，以适应目标和背景的变化。本项目的研究为复杂背景应用下的刚体/非刚体动态目标检测与跟踪提供了一套有效的解决方案。研究成果发表在相关的国际国内期刊和国际会议上，已发表学术论文25篇，其中包括IEEE Trans在内的国际期刊2篇，包括计算机学报在内的国内期刊2篇，包括ACM MM和ECCV在内的国际会议21篇，申请发明专利3项，培养研究生11人，负责人获得2010年度国家杰出青年科学基金资助。

中文主题词：自适应特征选择；目标检测与跟踪；贝叶斯决策；复杂背景

结论摘要：

英文主题词adaptive feature selection; object detection and tracking; Bayes decision; complex background

成果综合统计