视频中的运动基元及其流形的学习

运动(motion)作为人类感知外界事物的一条重要而富有信息量的线索，长期以来一直受到广泛的研究，但它仍是计算机视觉领域一个未被解决的、根本的、极具挑战性的课题。本课题旨在建立一套统一的运动分析理论与方法，包括：对运动图像序列的一般性表达，与之相应的有效推理计算。在该理论的指导下，通过研究运动物体在光度、几何、运动、和拓扑子空间的特征，并伴之以一套有效的统计学习方法，计算机能够从自然运动图像序列中提取、学习出一套关于视觉运动的词汇：运动基元(motion primitive or moton)，以及基元之间的时空相互作用和变换关系，从而实现对视频的符号化表示。我们认为，这种符号化表示是视觉模式的一种内在本征表示，它对视频信号的抽象、化简、并从中提取语义信息起到至关重要的作用。