4.计算机视觉——主持复杂场景下显著性检测与目标跟踪

       技术简介

       我校信息与通信工程学院卢湖川教授是国家杰出青年基金获得者，常期从事计算机视觉的研究，主要专注于显著性目标检测、目标跟踪、人体轮廓分割及姿态估计，在专业研究和教育教学方面享有较高的国际声誉。本成果主要的研究方向为：

       一、目标跟踪

       在计算机视觉领域中，基于视频的目标跟踪(也称为视觉跟踪)一直都是一个重要课题和研究热点。视觉跟踪通过在连续的视频图像序列中估计跟踪目标的位置、形状或所占区域，确定目标的运动速度、方向及轨迹等运动信息，实现对运动目标行为的分析和理解。然而光照变化、相机运动、遮挡、姿态变化等引起的目标外观变化，一直给目标跟踪带来极大挑战。

       二、姿态估计

       姿态估计，主要是指从图像中检测出头、躯干、四肢等人体各部位的位置信息，在人体活动分析、人机交互等方面有重要应用。卢教授研究组在ICIP2012上发表《集群姿态估计中双计数问题的后验约束》，通过聚类方法产生8种模型，测试中选择最优的模型进行姿态估计，且取得良好成果。

       三、异常行为检测

       异常行为检测是智能视频监控中的重要内容，检测出不同于正常行为的事件，即异常事件，车辆行人违章、车站越界、逆行、逃票、滞留、区域入侵、行人跌倒、群体暴力等事件，对预防社会安全隐患起重要作用。

       卢教授研究组结合统计学习和机器学习的优势，利用机器学习提取目标动作和外观特征，并根据历史数据的统计学特性建立模型，提高算法在不同场景中，对监控目标的检测和分析。

       四、疲劳检测

       随着汽车消费的普及，由于驾驶员疲劳驾驶而引起的交通事故逐渐增多。因此，如何避免和预防疲劳驾驶成为急需解决的一大难题。最简单的方法是通过检测人眼状态（开或者合），来判断目标是否疲劳。算法首先检测出人眼所在位置，然后跟踪人眼周围各个关键点的变化，从而判断眼睛所处的状态。

       五、显著性检测

      显著性目标检测是从一幅图像中将最吸引人的目标自动分割出来，它通常作为一种图像预处理手段，在高级的计算机视觉的应用，诸如自适应压缩，图像检索，目标识别的预处理等工作方面得到了广泛应用。