[01358336]结合迁移学习与深度学习算法的遮挡团队成员检测研究

① 课题来源与背景。课题来源于国家自然科学基金。 ② 研究目的与意义。团队行为识别易受遮挡、光照、噪声、视角以及多尺度等因素的影响,成为继行人检测后计算机视觉领域中的又一研究难点与热点。在这些影响因素中,遮挡（包括自遮挡和互遮挡）对团队行为的识别率影响最大。针对遮挡团队成员特征提取的复杂性这一挑战,本项目研究拟采取将高阶马尔可夫模型参数的学习转化为最优特征选择问题,同时利用深度学习与迁移学习等机器学习研究中的最新技术来学习与选择特征。研究用滑动窗口法中多尺度特征的近似计算问题来快速计算出其它尺度的特征,提高团队成员检测的速度及提供一定的解决遮挡问题的能力,实现特征提取的快速高效性。设计基于深度学习与迁移学习结合算法的局部时空码本原型构建算法,解决遮挡和多视角问题。本项目的研究具有极大的经济价值和社会价值。 ③ 主要论点与论据。A.为了快速检测团队成员,利用深度学习与迁移学习研究多源视频目标跟踪与检测方法。提出了基于Adaboost置信图的红外与可见光目标跟踪算法。提出了基于深度与阴影并行连接的CNNS网络同时检测大小目标算法。B.为了更好地利用团队成员特征提取过程中的圆特征,课题组成员研究了视频目标中的圆检测。提出了结合多阶段优化的圆检测算法。提出了基于图像分块的圆孔检测算法。C.为了准确预测团队成员的运动轨迹,方便更好地提取团队成员的特征及检测出团队成员,特别是检测出遮挡团队成员,研究了路径规划与预测算法。提出了基于事件驱动的无人机强化学习避障。提出了基于马尔科夫链的柳州市房价预测方法。 ④ 创见与创新。 A.提出了基于Adaboost置信图的红外与可见光目标跟踪算法。 B.提出了基于深度与阴影并行连接的CNNS网络同时检测大小目标算法。 C.提出了结合多阶段优化的圆检测算法。 D.提出了基于图像分块的圆孔检测算法。 E. 提出了基于事件驱动的无人机强化学习避障。F.提出了基于马尔科夫链的柳州市房价预测方法。 ⑤ 社会经济效益,存在的问题。本成果研究的内容和创新点中的一些研究方法已经成型并正在实现可以广泛应用于视频监控分析及城市安全治理,具有极大的经济价值,能够很好地服务于社会。 ⑥ 历年获奖情况。本成果中的创新点多次获得柳州市优秀论文二等奖及三等奖。