报告题目：受限与非受限视频中的简单与复杂动作识别

讲座人：Q.M. Jonathan Wu, University of Windsor, Canada

报告时间：12月12日 上午9:30-11:30

报告地点：浙江大学玉泉校区教九101

Abstract_ 视频分析在视觉应用中扮演着非常重要的角色，例如自动驾驶、视频检索、智能监控系统以及远距实境机。大部分视频分析应用高度依赖人体动作识别框架。如今在已视频已经预分割的前提下，包括视频特征提取、视频特征编码以及分类在内，大量算法已经被提出来进行人体动作识别。然而，在现实场景的大量视觉应用中，拍摄的视频都是没有预分割的。换而言之，视频中的一个镜头可能包含多个动作单元。因为现实场景视频通常包含一个非常长且复杂的结构，造成现在已有的动作识别框架无法完成动作识别。为了克服这个问题，我们提出了一个有效的视频聚类方法，来对受限和非受限的视频在时序上进行一个相对合理的、不重叠的动作单元分割。之后对每个视频，我们通过多个时序聚类来进行关键动作的检测和识别。我们提出一个无监督学习方法，根据关键帧的顺序来表示视频的聚类。最后，我们采用一个混合分类器来有效利用不同核和信息特征，将一个给定的视频聚类识别为一个合适的动作类别。在本报告中，我们还会对我们实验室在计算机视觉和机器学习领域相关的研究做一个简单的综述。相关的应用也扩展到了智能交通系统、安防监控、人脸和手势识别、视觉机器人和生物医疗图像等等。

Brief Bio:

武庆明(Q.M. Jonathan Wu)教授现任加拿大温莎大学电子工程系教授，博士生导师，计算机视觉和传感系统研究所主任，加拿大汽车电子和信息系统领域首席科学家，在智能系统与多媒体信息处理领域有较高的影响力。武教授先后主持完成了包括加拿大国家科学与工程研究项目(NSERC)，国际合作重大项目、加拿大国家重点基金等在内的多个国家或国际项目，至今共培养博士、博士后40 余人。武教授长期从事计算机视觉、多媒体信息处理，智能系统的研究工作，出版了关于3D视觉的学术专著一部，以及350余篇学术论文，其中SCI收录论文120余篇，二区以上论文80余篇，IEEE系列汇刊50余篇，担任了包括《IEEE Transaction on Neural Networks and Learning Systems》，《IEEE Transaction on Cybernetics》,《IEEE Transaction on SMC: Systems》，《International Journal of Control and Automation》等在内的多个国际知名杂志副主编.