基于异常注意和动态感知的多视目标描述方法研究

本项目以中国科学技术大学对于视觉感知和异常注意的三维目标描述的研究积累和已经取得的研究成果为基础，系统研究基于视觉动态感知和异常注意的异常目标计算模型建立方法，发展一种准确表征异常目标的普适工具。.研究工作涉及视觉动态感知模型和异常注意机制；基于视觉拓扑结构认知和运动感知的异常目标描述方法的高效实现；异常目标位置、形状和纹理描述方法。.研究成果一方面可以建立视频环境下视觉动态感知模型和异常注意的理论体系；另一方面可以为视频异常目标的处理与分析提供可靠的理论依据和有效的处理方法，从而可以为面向视频海量内容的视觉感知异常目标高效计算模型与分析学习机理提供科学支撑。.通过本项目研究，使我国基于视觉感知和异常注意的异常目标计算模型研究在某些方面达到世界先进水平。

多视场景异常目标描述是计算机视觉领域内一个具有挑战性的课题。目前对于基于异常发现和动态感知的目标描述研究方面研究相对匮乏，而高效计算方法研究更是很少报道。研究多视场景异常目标描述具有重要的学术价值和广阔的应用前景，对于人类活动的探索研究以及国防安全、公共安全都有重要的意义。. 主要工作和创新点总结如下：.1）、视觉动态感知模型和异常注意机制研究. 提出一种基于动态感知模型的异常目标分析模型，提出一种基于稀疏编码模型的群体异常发现方法。. 提出一种基于贝叶斯惊奇计算模型的视频异常分析方法，提取运动感知特征，发现场景中的群体异常和个体异常。. 给出了视觉异常特性的的度量指标和效应验证方法。.2）、基于异常发现和动态感知的目标描述高效计算方法研究 . 基于source pixel based linear arrays(SPBLA) 提出一种多宏块并行比特变换运动估计结构，克服以往二维阵列消耗资源较多且延时大的不足。所提结构易于并行扩展且更为节约资源，进一步还针对脉动胞元和数据存储器这两个系统瓶颈进行优化设计。实现结果表明，与同类设计相比，所提设计在面积和速度上均有改善。. 对算法的关键部分进行了并行化实现和改进:提出了多视图像角点特征和团块特征点提取的并行实现方法;提出了一种高阶平滑表面并行提取方法;提出了一种基于Reeb图描述的三维拓扑信息提取的并行实现方法;提出了一种基于网格简化的Reeb图提取加速方法;提出了一种基于建模的图像渲染技术的并行实现方法。.3）、三维纹理信息与目标的位置、形状整合的目标描述方法研究. 提出一种MCRF模型的异常目标描述方法，提取目标的多类特征，形成多个CRF单元，组合所有的CRF单元得到MCRF模型，通过模型的推断描述异常目标。. 提出一种多视场景异常目标描述方法，提取运动目标在多视场景中的轨迹特征，组合多视场景的语义描述与轨迹特征，形成组合特征向量，再利用HMM对异常目标进行描述。实验表明该方法可以较准确的描述特定多视场景中的异常目标。