题目：基于弱监督学习的视觉目标跟踪

时间：4月14日（周四）上午10：00

地点：海韵行政楼C座505报告厅

        摘要
        近年来，为了在复杂动态场景下，实现视觉目标的长时间持续跟踪，在线构建自适应的目标表观模型引起了越来越多学者的关注。然而，基于自适应表观模型的跟踪方法，有一个固有的“漂移”问题，也就是说在在线更新目标表观的过程，由于跟踪累积误差造成了目标模型会最终脱离真正要跟踪的物体。为了缓解视觉跟踪中的“漂移”问题，我们提出了一种从多个不是很完美的预言中进行弱监督学习的视觉目标跟踪通用框架。在该跟踪框架中，我们将视觉跟踪视为一种新的从多个标记源进行联合学习的弱监督学习题，使用一种概率算法无缝地融合了多个信息，最终取得了鲁棒有效的跟踪效果。

报告人简介
        钟必能，1981年5月出生，分别于2004年、2006年、2010年获哈尔滨工业大学软件工程学士学位、计算机应用硕士学位和博士学位。2007年和2008年分别在中科院自动化所模式识别国家重点实验室和中科院计算所数字媒体中心做访问研究。2010年9月起在华侨大学计算机科学与技术学院从事科研与教学工作，现为IEEE会员和中国计算机学会会员。

作为负责人和技术骨干主持或参加了国家重点基础研究发展计划（973）项目、国家高技术研究发展计划（863）项目、国家自然科学基金项目等多项研究工作。担任多个国际会议和期刊的审稿人。主要研究方向包括机器学习与模式识别的方法、模型以及在图像处理、计算机视觉、智能视频监控、智能交通、图像检索等方面的应用。已在相关领域发表学术论文近20篇。其中，文章大多发表在计算机视觉、模式识别、图像处理等领域的顶级和重要国际会议上（如CVPR、ICASSP、ACCV、ICIP、ICPR等）； IEEE Trans. CSVT、EURASIP JASP、IEEE Signal Processing Letters 等一流和重要国际期刊上；参与编写专著1部；获得多功能智能视频监控系统软件 著作权1项（排名第一）。