2017-计算机视觉专委简报第5期_27页_4mb

报告摘要

文档总结

核心内容

本文档是一份关于中国计算机视觉专委会（CCF-CV）的综合报告，内容涵盖了专委会的活动、科技前沿研究、委员风采、资源平台及新春祝福等部分。文档重点介绍了CCF-CV在2016年开展的“走进高校”和“走进企业”系列活动，以及2017年中国计算机视觉大会（CCCV2017）的筹备情况。同时，还涉及了计算机视觉领域的前沿研究方向，包括运动轨迹表征与分析、社会机器人感知、认知与决策、跨社交媒体网络关联分析、人物行为识别的深度时空结构化模型等内容。此外，还包含对北京大学林宙辰教授的访谈内容，以及专委委员在各类竞赛中取得的优秀成绩。

主要观点

CCF-CV系列活动：
- CCF-CV自2015年起在全国范围内组织“走进高校”和“走进企业”系列活动，旨在促进学术界与工业界之间的交流。
- 活动以公开、免费、学术交流为主要特点，吸引了大量高校师生和企业技术人员参与。
- 活动的申请流程明确，需提前半年申请，需与专委会秘书处沟通确定讲者名单。
科技前沿研究方向：
- 运动轨迹表征与分析：轨迹是目标运动的基本特征，分析轨迹信息有助于多个领域的研究，如监控、行为识别、交通等。
- 社会机器人：社会机器人需具备感知、认知与决策能力，是人工智能与机器人技术融合的重要研究方向，具有广泛的应用前景。
- 跨社交媒体网络关联分析：通过多模态和多视角的分析方法，研究热点社会事件的传播和演变，有助于理解社会动态。
- 人物行为识别：利用深度时空结构化模型，能够更准确地建模复杂人物行为，提升识别准确率。
委员风采与活动成果：
- 北京大学林宙辰教授在计算机视觉领域取得卓越成就，提出了“三好”标准（数学、编程、态度）用于研究生的选拔和培养。
- 多位委员在各类竞赛中获得优异成绩，展现了计算机视觉领域的研究实力和应用潜力。
CCCV2017大会信息：
- CCCV2017定于2017年10月12日至14日在北京举办，由CCF主办，CCF-CV和中国民航大学承办，天津大学和南开大学协办。
- 大会将邀请国内外专家进行主题报告，设立多个前沿专题论坛，并计划出版会议论文集。
- 大会诚征赞助，提供多种赞助级别，包括钻石、铂金、金牌、银牌、铜牌等，各赞助级别享有不同的回报。

关键信息

活动信息

走进高校系列：2016年共举办了27期，每期邀请多位专家进行报告，吸引了大量高校师生和科研人员参加。
走进企业系列：2016年举办了两期，分别是走进奇虎360和格灵深瞳，活动内容丰富，互动性强，促进了产学研交流。

会议信息

CCCV2017：
- 时间：2017年10月12-14日
- 地点：天津
- 会议主办单位：中国计算机学会（CCF）
- 承办单位：CCF-CV、中国民航大学
- 协办单位：天津大学、南开大学
- 征文范围：包括图像颜色与纹理、目标识别、视频分析、深度神经网络等。
- 截稿日期：2017年5月31日
- 投稿邮箱：cccv2017@163.com
- 大会网址：www.ccf-cccv.org/2017/

赞助信息

钻石赞助：赞助金额10万元，回报包括冠名服装、会场致谢、产品展位、最佳论文冠名及颁奖、3个Full会议注册名额。
铂金赞助：赞助金额5万元，回报包括会场致谢、产品展位、专场主持和演讲、宴会抽奖、2个Full会议注册名额。
金牌赞助：赞助金额4万元，回报包括会场致谢、产品展位、专场演讲、宴会抽奖、1个Full会议注册名额。
银牌赞助：赞助金额3万元，回报包括会场致谢、产品展位、专场演讲、宴会抽奖。
铜牌赞助：赞助金额2万元，回报包括会场致谢、产品展位、专场演讲。

委员信息

主编：王亮、李实英、毋立芳、王瑞平、虞晶怡
编委：马占宇、王金甲、杨巨峰、余志文、刘海波、韩爱丽等

委员成果

钟德星副教授：在“众创杯”创业创新大赛中获得金奖。
姜育刚教授：在“网络舆情（音视频）分析技术邀请赛”中获得第一名，并入选上海市青年拔尖人才。
彭宇新教授：在NIST TRECVID视频搜索比赛中获得第一名。

未来发展方向

更准确的轨迹信息提取：提高轨迹数据的提取和建模能力。
轨迹交互关系的分析：研究多目标之间的交互行为，提升模型的泛化能力。
基于局部轨迹段的运动分析：利用局部信息进行轨迹建模，解决数据不足问题。
轨迹大数据分析及挖掘：从海量轨迹数据中挖掘有价值的信息，推动应用发展。
轨迹分析在新兴问题中的应用：如昆虫习性分析、隐私保护、3D重建等。

参考文献

[1] X. Wang, K. T. Ma, G-W. Ng, and W. E. L. Grimson, "Trajectory analysis and semantic region modeling using nonparametric hierarchical Bayesian models," Intl. J. Comp. Vision, vol. 95, no. 3, pp. 287-312, 2011.
[2] J. J. Little, Z. Gu, "Video retrieval by spatial and temporal structure of trajectories," in Proc. of SPIE, 2001.
[3] Y.-K. Jung, K.-W. Lee, and Y.-S. Ho, "Content-based event retrieval using semantic scene interpretation for automated traffic surveillance," IEEE Trans. Intell. Transp. Syst., vol. 2, pp. 151-163, 2001.
[4] C. Rao, A. Yilmaz, and M. Shah, "View-invariant representation and recognition of actions," Intl. J. Comp. Vision, vol. 50, no. 2, pp. 203-226, 2002.
[5] J. C. Nascimento, M. A. Figueiredo, and J. S. Marques, "Trajectory classification using switched dynamical hidden markov models," IEEE Trans. Image Process., vol. 19, no. 5, pp. 1338-1348, 2010.
[6] W. Hu, X. Li, G. Tian, S. Maybank, and Z. Zhang, "An incremental dpmm-based method for trajectory clustering, modeling, and retrieval," IEEE Trans. Pattern Anal. Mach. Intell., vol. 35, pp. 1051-1065, 2013.
[7] B. T. Morris and M. M. Trivedi, "Trajectory learning for activity understanding: Unsupervised, multilevel, and long-term adaptive approach," IEEE Trans. Pattern Anal. Mach. Intell., vol. 33, pp. 2287-2301, 2011.
[8] A. Naftel and S. Khalid, "Motion trajectory learning in the DFT coefficient feature space," Intl. Conf. Computer Vision (ICCV), 2006.
[9] T. Palpanas, M. Vlachos, E. Keogh, D. Gunopoulos, and W. Truppel, "Online amnesic approximation of streaming time series," in Proc. Intl. Conf. Data Eng., 2004, pp. 339-349.
[10] K. Kim, D. Lee, and I. Essa, "Gaussian process regression flow for analysis of motion trajectories," Intl. Conf. Computer Vision (ICCV), 2011.
[11] W. Lin, H. Chu, J. Wu, B. Sheng, and Z. Chen, "A heat-map-based algorithm for recognizing group activities in videos," IEEE Trans. Circuits Syst. Video Technol., vol. 23, no. 11, pp. 1980-1992, 2015.
[12] W. Lin, Y. Zhou, H. Xu, J. Yan, M. Xu, J. Wu, Z. Liu, "A tube-and-droplet-based approach for representing and analyzing motion trajectories," IEEE Trans. Pattern Anal. Mach. Intell., 2016.
[13] H. Xu, Y. Zhou, W. Lin, H. Zha, "Unsupervised trajectory clustering via adaptive multi-kernel-based shrinkage," Intl. Conf. Computer Vision (ICCV), 2015.
[14] Y. Zhou, W. Lin, H. Su, J. Wu, J. Wang, Y. Zhou, "Representing and recognizing motion trajectories: a tube and droplet approach," ACM Multimedia (MM), 2014.

附录

林巍晓：上海交通大学副教授，研究方向包括视频运动分析、智能学习等。
张天柱、钱胜胜：中国科学院自动化研究所研究人员，研究方向包括多媒体数据内容分析与社交网络分析。
林惊、左旺孟：中山大学和哈尔滨工业大学教授，研究方向包括计算机视觉、机器学习、生物特征识别等。
林宙辰：北京大学教授，研究方向包括计算机视觉、图像处理、机器学习等，担任多个期刊和会议的编委及领域主席。

总结

CCF-CV在2016年通过“走进高校”和“走进企业”系列活动，推动了计算机视觉领域的学术交流与产学研合作。2017年中国计算机视觉大会（CCCV2017）将作为重要平台，继续促进计算机视觉的理论研究与应用发展。文档详细介绍了运动轨迹表征与分析、社会机器人、跨社交媒体网络关联分析、人物行为识别等前沿研究方向，同时展示了委员们在学术研究和应用实践中的成就。未来，CCF-CV将致力于提升轨迹分析的准确性、拓展其在多目标交互和大数据中的应用，推动计算机视觉技术的进一步发展。

展开完整摘要