好文作者面授招–20150408

【15-11期VALSE Webinar活动】

报告嘉宾1郑伟诗(中山大学)
主持人:董乐(电子科技大学)
报告题目:交互行为分析研究 [Slides]
报告时间:2015年4月8日晚20:00(北京时间)
文章信息:
[1] Xiaobin Chang, Wei-Shi Zheng*, and Jianguo Zhang. Learning Person-Person Interaction in Collective Activity Recognition. IEEE Transactions on Image Processing, vol. 24, no. 6, pp. 1905-1918, 2015.
[2] Jian-Fang Hu, Wei-Shi Zheng*, Jian-huang Lai, Shaogang Gong, and Tao Xiang. Exemplar-based Recognition of Human-Object Interactions. IEEE Transactions on Circuits and Systems for Video Technology (DOI: 10.1109/TCSVT.2015.2397200), to appear, 2015.
[3] Jian-Fang Hu, Wei-Shi Zheng*, Jian-huang Lai, Jianguo Zhang, “Jointly Learning Heterogeneous Features for RGB-D Activity Recognition,” IEEE Conf. on Computer Vision and Pattern Recognition(CVPR), June 2015.
报告摘要:交互行为时常出现在我们的日常生活中,如我们用水杯喝水、我们与别人一起讨论或排队等。与一般的动作分析不同的是,参与交互行为的除了参与人本身外,还有相关的物体或其他参与人,是人与物体或人与人共同参与完成的一种行为;尤其在多人交互行为分析中,局部的人与人之间的交互往往不能代表整个群体的交互行为,这是因为整个群体的交互行为是群体中所有交互信息的综合反映。本报告介绍本研究组近年在人物交互行为和多人交互行为分析的研究,主要包括基于模板学习的人物交互行为分析、基于RGB-D的异质特征数据融合的人物交互行为分析、基于广义相似性函数的人与人交互建模的多人交互行为分析学习模型。
报告人简介:郑伟诗博士,中山大学信息科学与技术学院副教授、广东省自然科学杰出青年基金获得者。他主要面向视频监控下的人身份识别和行为分析展开研究,从人脸到躯干,从个体到群体,以机器学习方法为信息处理手段,分析相关视频图像的高维复杂特征数据,展开特征选择、数据降维、相似性度量学习等研究。他目前形成了两个相关的研究方向和体系,即人脸图像分析和行人再标识 。近年来,在人脸图像研究上,给出光照不变特征的分析和理论证明,并发展核原像估计方法以实现多种人脸图像变化(光照、表情、遮掩等)的归一化。在国际上,较早在行人再标识领域展开研究,主要提出基于相对比较建模思路的再标识模型。目前他逐渐展开基于交互行为分析的群体行为分析,逐步形成在视频监控下,以人为中心的图像识别和行为分析的研究思路,并结合研究面向大规模图像识别的信息处理算法。已发表/接受含4篇PAMI在内的70余篇主要学术论文,其中近40篇发表在图像识别和模式分类IEEE TPAMI、IEEE TIP、IEEE TNN、PR、IEEE TSMC-B等国际主流权威期刊和ICCV、CVPR、IJCAI等计算机学会推荐A类国际学术会议。在所发表的论文中,ESI高被引论文有3篇。近5年来,与国内外同行一道,他(将)在计算机学会推荐A类国际学术会议ICCV和CVPR上以及其它著名国际学术会议期间做Tutorial。相关文章在Google Scholar总体引用次数1750次左右,SCI他引350次左右。

报告嘉宾2郭裕兰(国防科技大学)
主持人:白翔(华中科技大学)
报告题目:Distinctive Local Features for 3D Point Cloud and Mesh Representation [Slides]
报告时间:2015年4月8日晚20:00(北京时间)
文章信息:
[1] Y. Guo, F. Sohel, M. Bennamoun, M. Lu, J. Wan. Rotational Projection Statistics for 3D Local Surface Description and Object Recognition. International Journal of Computer Vision (IJCV). 105(1): 63-86, 2013.
[2] Y. Guo, M. Bennamoun, F. Sohel, M. Lu, J. Wan. 3D Object Recognition in Cluttered Scenes with Local Surface Features: A Survey. IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI). 36(11):2270–2287, 2014.
[3] Y. Lei, M. Bennamoun, M. Hayat, Y. Guo. An Efficient 3D Face Recognition Approach using Local Geometrical Signatures. Pattern Recognition (PR). 47(2):509-524. 2014.
报告摘要:Recent advances in 3D acquisition systems (e.g., Laser Scanner, Kinect) and computing devices have contributed to the flourishment of research in 3D computer vision. 3D local features have played a significant role in many vision related tasks such as 3D object recognition, 3D modeling, 3D scene reconstruction, 3D model retrieval, 3D shape analysis and 3D biometrics. A local feature extraction algorithm typically involves two major phases: keypoint detection and feature description. In this talk, I will give a brief review on the existing algorithms for 3D keypoint detection and 3D local feature description. I will then introduce two of our proposed feature descriptors (namely RoPS and ARS) for 3D object recognition and 3D face recognition.
报告人简介:郭裕兰,国防科技大学,博士研究生,2008年于国防科技大学电子科学与工程学院获工学学士学位,现于国防科技大学攻读博士学位。主要研究兴趣包括点云特征检测与描述、三维物体/人脸识别以及三维模型重建等方面。2011年至2014年间曾赴澳大利亚西澳大学开展为期两年半的访问研究,师从M. Bennamoun教授。目前已在包括IEEE TPAMI、IJCV、PR、IEEE TMM及Information Sciences等在内的重要国际学术期刊和会议上发表学术论文20余篇(其中在TPAMI和IJCV上的一作论文3篇),撰写book chapter一章,曾为十余个重要国际期刊及会议审理稿件。
个人主页:中文:http://www.escience.cn/people/yulanguo/index.html 英文:https://sites.google.com/site/yulanguo66/

(Visited 198 times, 1 visits today)