电子信息1..docVIP

电 子 信 息 1. 视频搜索 技术来源： 以色列 项目简介： 不同的人虽然具有相似行为，但在视频序列中会表现出完全不同的时间上和空间上的强度模式。这是因为他们所穿的衣服不同，并且周围的背景也不相同。但相同行为在视频中具有共同的潜在的动态场（motion field）。其他研究者基于这种观察，使用光流场来进行动作识别。然而，具有较强非约束性和非刚性的运动的估计有很强的噪音和不可靠性。统一颜色的衣服还会导致局部空洞效应，尤其是被观察的行为者占据了视野中的大部分。稠密的运动流的估计更不可靠，即视频的动态事件中包含非常复杂的动态的和非结构性的物体，例如流动的水，闪烁的火，等等。其他一些运动分析方法常常要求前景背景分割，运动估计和捕捉，而这些在实际生活中都是比较难的任务。许多方法依赖于预先建模，或者从预先确定的动作库中学习动作，而学习阶段往往非常耗时。 国外科学家提出了一种新的基于行为的相似度度量，这种相似度可以说明两个空间时间上的强度模式是否来自于相似的潜在的动态场（motion field）。这种相似度可以直接从强度信息中计算出来，而不必显式地计算潜在的动作。当视频片段包含穿不同衣服做相同类型动作的人时，这种度量可以测量出这些片段的相似度。　 技术优势： 这种方法不需要前景背景的分割，不需要提前学习，也不需要动作估计和捕捉（而这些复杂的工具/方法是现存的方法所需的）。 使用这种基于行为的相似度度量，可以将动态的行为动作“对应”起来，小的视频片段和整个视频序列在三维上对应起来（x, y 和 t）。相似度的峰值对应于视频中具有相似动态行为的位置。 可以高效地识别出视频序列中非常复杂的行为（如，芭蕾舞动作，跳水，流水），甚至于多个复杂动作同时发生在相机的视野中。在混乱的场景中，或者在多个复杂动作共同出现的情况下，识别这些动作是一个非常有用的应用，而以前的方法和方案从没有明确地提出过这种情况。 应用领域： 这种方法可以应用于多种商业应用。例如： 在视频追踪和监视装置中检测预定义的动作和感兴趣的“动作模式”（如，一个人掏出枪，人走错方向，落下的动作，等等）。 索引和浏览较长的视频数据。这种方法可以用于寻找所有的感兴趣行为的实例。（如，篮球运动员的投篮动作，喝彩的人群，某一个特殊的体操动作，一段舞蹈视频中某一个特殊的跳舞动作） 检测人的某一个特殊动作，并传递给计算机一个合适的信号以响应这个动作。（如，电脑游戏可由人的整个身体行为控制，而不是仅仅由游戏杆控制） 多视频序列的配准和匹配，这些视频具有相似的运动性质却具有不同的外在表现性质，例如具有多种模式的传感器。 检测“相似的复杂动作模式”，可应用在监视，快速视频搜索，数据分类，数据分析和动态视觉数据聚类等领域中。专利状态: 专利申请中 2. 物体表面和其他物体的三维建模 技术来源：以色列 项目简介： 如果给雕刻家一个我们日常生活中物体的单一影像，即使他没有见过这个物体，他也可以根据这个影像把物体制造成三维的形式(例如制造一个物体的雕像)，由此可知，如果一位艺术家很熟悉和所求物体非常相似的另一个物体（同类物体）的形状，以及它们的外表如何，他就可以估计出所求物体的形状。受这个例子的启发，我们设计了一种根据物体的单一影像来对该物体进行三维建模的方法。虽然，总的来说，由单一的二维图像进行三维建模对于人类视觉系统来说很简单，但是如果用计算机来实现就很困难，因为不同形状的物体映射在图像上可能是完全相同的。为了解决这个问题，在我们的方法中，运用了一个或者更多相似物体的模型来估计一个新物体的形状。一般说来，三维建模需要一些特殊的设备，比如：激光扫描仪或者三维照相机。其他的单一影像的重建方法侧重于重建一些结构有规则的物体，比如说人脸，他们用存储库里几百个详细的样本的线性组合来代替所求三维物体的形状，在样本物体中逐点寻找最佳匹配。而实际中计算这种最佳匹配很难而且很容易产生错误，并且这种方法不适用于结构不规则的物体，就像手和身体，它们的形状差异很大。此外，对这种方法进行彻底的调查发现：用这种方法构造出来的三维物体过于光滑而且不同物体之间相似程度有点高，这样而言，这个系统的实用性就降低了。魏茨曼科学院的科学家们发明了一种新的三维建模方法（基于影像的模型法）。这个方法基本的假设是利用一个或者更多样本三维模型的形状和外表信息的有效性，这些样本来自不同的种类，在这种方法中我们就像扮演了一个雕刻家的角色。其中应用了两种三维重建的新方法，第一种从预先收集的三维物体中提取由外表到深度的映像，去重建许多种类的新物体（比如手，和人的手指）。其次，运用实时样本综合系统来应对未知的观看条件和大量的样本集。 第二种方法主要是用于人脸的估计，这种方法可以只通过单一的影像和仅有的单一参考模型去