主动视觉中的对抗问题研究

Active vision in dynamic target tracking, recognition, measurement, is becoming more and more popular and important application because it can automatically adjust the parameters. When the target can actively avoid, occlude, even camouflage, the traditional active vision system will make wrong judgment and actions, resulting in active vision system failure, active vision must adopt the way of fighting work to complete the desired visual tasks. A game relation is constituted between the object and active vision under the antagonistic environment. The strategy of any party will affect the interests of both parties and the behavior choice. Aiming at the problem of antagonism in active vision, the subject proposes active vision model and the strategy based on the equilibrium of game theory, puts forward the active vision modeling method under countermeasures. The game model of active vision under conditions of complete and incomplete information, equilibrium strategies solving and active vision model evaluation and optimization will be studied in the project. Our work is expected to expand the existing computer vision theory and application.

主动视觉在动态目标的跟踪、识别、测量中因能自动调整参数而受到普遍关注。当目标能够主动地躲避、遮挡甚至伪装时，传统的主动视觉系统会做出错误的动作和判断，导致主动视觉系统失效，主动视觉必须采用对抗的方式工作才能完成预期的视觉任务。对抗环境中的目标与主动视觉之间构成了一种博弈关系，任何一方的策略都会影响到双方的性能和行为选择。课题针对主动视觉中的对抗性问题，将主动视觉模型和双方的策略建立在博弈论的均衡策略基础之上，提出了对抗条件下的主动视觉建模方法。课题研究主动视觉系统在完全信息条件下和非完全信息条件下的博弈模型、均衡策略求解问题，以及主动视觉模型评估与优化问题。研究成果有望拓展现有计算机主动视觉理论与应用范围。

主动视觉在动态目标的跟踪、识别、测量中因能自动调整参数而受到普遍关注。当目标能够主动地躲避、遮挡甚至伪装时，传统的主动视觉系统会做出错误的动作和判断，导致主动视觉系统失效，主动视觉必须采用对抗的方式工作才能完成预期的视觉任务。课题针对主动视觉中的对抗性问题，将主动视觉模型和双方的策略建立在博弈论的均衡策略基础之上，提出了对抗条件下的主动视觉建模方法。在统一解决主动视觉对抗问题的学习框架方面，课题提出了应用于主动视觉对抗场景的主动探索强化学习模型。在完全信息条件下和不完全信息条件下的视觉对抗方法研究方面，课题提出了一种解决域适应问题的学习模型：跨域正则化迁移学习模型。在主动视觉模型的性能优化方法研究方面。课题在两方面展开了具体研究：其中在解决场景目标分割问题上，提出了基于多视角联合正则化的域适应迁移学习方法。在解决视觉目标跟踪，提出了目标与背景协同建模的长短期运动模型。