数字多媒体技术国家重点实验室.doc

《数字多媒体技术国家重点实验室.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、数字多媒体技术国家重点实验室2014年度开放课题指南（草案）重点实验室-智能所课题一：自然场景下实时多人头跟踪和计数算法研究【课题研究目标】研究自然场景下实时进行人头检测，跟踪和各个方向人流计数的算法。自然场景包含两层意思：第一环境条件为自然地生活条件；第二人流是自然流动，移动速度有快有慢，人头检测、跟踪和计数都在被动状态下，不能主动配合。解决基本的多人头检测、跟踪和计数之后，进一步解决交叉，轻度遮挡情况下的人头跟踪问题。【基本要求】1）实现实时单人头检测和跟踪的算法及demo；2）实现实时多人头检测、跟踪和各个方向进出计数算法及d

2、emo；3）实现轻度遮挡和人流交叉情况下准确进行多人头的检测、跟踪和各个方向计数算法及demo；4）提交算法模块的源代码和相关技术文档；5）提交4项发明专利。【课题支持年限】1年【开放基金支持额度】10万元课题二：基于单张人脸图像三维模型重建的人脸识别技术研究【课题研究目标】利用机器学习和图像处理的方式，根据单张人脸图像，重建图像中人脸的三维模型并估计人脸朝向与空间三个坐标轴的夹角。在普通640*480分辨率的摄像头和主流CPU下能够实时的输出三维模型文件和角度信息。依据所获取的三维信息完成基于人脸的身份识别。【基本要求】1）研究并

3、改进基于单张图像的三维重建技术；2）研究并改进基于单张图像的人脸角度估计技术；3）编程实现基于单张图像的三维重建和人脸角度估计算法；实现基于三维信息的人脸识别算法。4）提交算法模块的源代码和相关技术文档；5）提交2项发明专利。【课题支持年限】1-2年【开放基金支持额度】20万元课题三：基于海量互联网语料的自然语言生成技术【课题研究目标】收集现有自然语言生成技术，分析各技术的优缺点，并根据中文自然语言的特点，针对移动设备和智能家电类产品中的查询，控制，反馈场景下的应答和询问功能，设计中文自然语言自动生成的实现算法。最终实现根据输入中文

4、信息和收集海量互联网语料，自动生成与输入信息具备一定关联度的应答式中文自然语言生成系统。【基本要求】1）收集现有自然语言自动生成技术，并结合中文自然语言特点对其进行详细分析，生成分析报告；2）针对中文自然语言特点，设计和开发符合移动设备和智能家电类设备中的查询，控制，反馈场景下的应答和询问功能的自然语言生成系统；3）实现基于海量互联网语料的中文对话自然语言生成技术的研究和系统开发；4）提交系统实现源代码和相关技术文档；5）提交2项发明专利。【课题支持年限】1-2年【开放基金支持额度】20万元课题四：基于海量互联网语料的本体语义网络自

5、动构建技术【课题研究目标】研究现有本体语义网络的特点、发展方向和基本构建方式，研究基于本体论的语义网络应该具备哪些特点，适用领域以及对目前中文自然语言处理和语义理解有哪些促进作用。在此基础之上，基于中文自然语言处理和语义理解的需要，设计和开发一套通过互联网语料构建专有领域本体语义网络的算法和技术。【基本要求】1）分析和研究本体论和语义网络的发展现状，结合中文语义理解的困难点对本体论在中文语义理解、语义网络构建过程中起到的作用进行详细分析，生成分析报告；2）设计一种具备一定扩展能力的基于本体论的语义网络；3）实现基于海量互联网语料的本

6、体、关系自动挖掘机制，形成一定的知识挖掘和汇集机制；4）提交系统实现源代码和相关技术文档；5）提交2项发明专利。【课题支持年限】1-2年【开放基金支持额度】20万元课题五：多维度大数据环境下的用户建模【课题研究目标】在智能家电生态圈里，用户的各种白电、黑电的数据都可以被搜集起来，针对多维度数据对用户建模的条件已经成熟。通过分析各产品数据之间的关联，不仅可以对用户进行更精准的建模，还可以实现基于场景的上下文感知。基于多维度的用户模型和当前的上下文感知，可以实现对用户基于场景的精准个性化推荐。例如目前可以根据用户的电视观看数据、用户的冰

7、箱、空调数据可以推测出在当前用户的喜好、当前生活状态、当前的环境舒适度等等，融合多维度达到更精准的个性化推荐效果。【基本要求】1)分析各类产品的数据特点和数据之间的关联，主要包括电视数据、冰箱数据、空调、洗衣机、移动终端数据的等等，研究这些数据对用户建模的贡献；2)进行多维度用户建模，实现对用户基于上下文场景感知的精准推荐；3)在部分数据缺失的情况下进行预测，如根据用户观看视频的数据推荐用户喜欢购买的商品等；4)提交2项发明专利。【可评价指标】1)具有上下文感知的算法，根据多维度数据分析当前场景，并根据当前场景环境下的个性化推荐各有

8、不同，预期基于场景的推荐要比普通推荐转化率高10%。2)搭建通用的推荐算法框架，适应于异构的产品数据输入和异构的预测输出，可实现跨产品的个性化推荐算法，在某产品数据缺失的情况下对该产品进行个性化推荐，转化率预期达到5%。【课题支持年限