多層次視覺特征學習新方法及在環(huán)境感知中的應用研究結題摘要

本項目的研究針對無人駕駛車輛的環(huán)境感知問題，研究了多層視覺特征的學習與表示方法、序貫數據的特征學習方法以及多源信息的特征融合方法。主要研究內容和成果包括：（1）系統(tǒng)地總結了多層視覺特征學習與表示理論；（2）研究了小角度旋轉與視角變化下的不變性目標描述特征，提出了一種基于底層神經元通道特征的目標檢測方法，為了驗證算法，建立了大規(guī)模路標數據庫，該檢測方法在行人和路標檢測國際公開的和自建的數據庫中均取得了優(yōu)異的性能；（3）深入挖掘多層次視覺特征的神經計算本質，針對紋理-結構屬性解耦描述的特征提取問題，提出了一種新穎的中層特征提取算法，該算法在多個國際公開數據庫中均得到了更好的識別率；（4）研究了慢速性約束的多層次序貫數據，深入挖掘層次間的特征遞進轉化關系，提出了一種基于級聯結構多層次視覺特征的目標跟蹤方法以及一種基于馬爾科夫隨機場的層次化動態(tài)目標檢測方法，所提方法在國際公開數據庫中的性能優(yōu)于目前主流的算法；（5）研究了時空數據驅動下的多層次特征學習方法，融合圖像表觀特征和結構信息，提出了一種基于關鍵點親和場的交警動作識別方法，該方法在交警動作識別數據庫中獲得了較高的識別準確率；分析圖像幀間的運動流場信息，提出了一種基于多層次信息時域融合的行為識別方法，該方法在國際公開數據庫中的性能優(yōu)于主流的算法；（6）研究了高層特征結構化學習方法，提出了一種基于結構化隨機森林的道路檢測方法；研究了多源信息的層次化學習方法，提出了一種基于混合條件隨機場的道路檢測方法，該方法在國際公開數據庫中性能優(yōu)于同類算法。本項目的研究成果既包含多層次特征學習與表示的理論創(chuàng)新又強調研究成果的實際應用價值，相關研究成果成功地應用于無人駕駛平臺，并表現出良好的性能。項目組搭建的無人駕駛系統(tǒng)實驗平臺在近年的國內無人車競賽中名列前茅。本項目的研究對解決無人駕駛的環(huán)境感知問題，以及推動我國無人駕駛技術的發(fā)展具有重要意義。 2100433B

無人駕駛車輛的環(huán)境感知能力，特別是視覺感知能力是決定其性能優(yōu)越的關鍵性因素。本項目針對無人駕駛車輛視覺環(huán)境感知系統(tǒng)這一具體應用，研究新穎的多層視覺特征學習與表示方法。主要研究內容包括：(1) 深入分析多層次視覺特征學習與表示理論和其蘊含的神經計算本質；(2) 研究滿足慢速性約束的多層次序貫數據的特征學習方法，建立小角度旋轉與視角變化下的不變性目標描述特征，提高動態(tài)環(huán)境下的特定目標識別能力；(3) 研究利用多源圖像信息建立多光譜的層次化特征學習方法，并應用于環(huán)境感知中的語義場景識別任務；(4) 研究時空數據驅動下的多層次特征學習方法，并應用于環(huán)境感知中的運動行為識別任務：交警動作識別和異常行為識別。該項目在進行理論創(chuàng)新的同時將完成能夠實現相應任務的環(huán)境感知系統(tǒng)，所以說項目研究有較強的理論意義和應用價值，并且對于推動我國無人駕駛車輛技術的發(fā)展有著重要的意義。

環(huán)境感知是文化地理學借心理學新的研究或成果來分析人地關系的。人與自然環(huán)境關系中的各種可能性進行選擇時不是任意的、隨機的和毫無規(guī)律的，而是有一定的客觀規(guī)律可尋的。它是受一種思想意識的支配，這種思想意識就是環(huán)境感知。每個人總是生活在一定的環(huán)境中，由于受其環(huán)境及文化的影響，在人們頭腦中必然形成一種印象，這種由環(huán)境影響而形成的的印象，就稱之為環(huán)境感知。

指系統(tǒng)具有周圍環(huán)境參數的采集、語義表達、語義查詢解析和語義推理的能力.2100433B