导航:EXPO21XX>视觉21 xx>H15:研究和大学>牛津布鲁克斯大学
  • 提供配置文件
  • 计算机系计算机视觉组成立于2005年，由Philip Torr教授领导。它由大约15-18人组成。

    该小组的目标是从事计算机视觉和人工智能的数学理论的最新研究，但要保持数学研究与社会需求相关。该小组成员在该领域的所有主要会议上获得了主要奖项，包括国际计算机视觉会议(ICCV)， CVPR, ECCV, BMVC, NIPs以及学生的各种论文奖，以及最佳知识转移合作伙伴等行业奖项。
产品组合

  • 牛津布鲁克斯视觉集团

  • 应用程序有多种形式，我们与几家大公司和组织都有合作。与索尼合作，我们致力于为playstation 2和3开发人机交互(通过摄像头，“EyeToy”)，与夏普合作，我们致力于为3D显示生成内容，与牛津Metrics集团合作，我们致力于用计算机理解电影(例如场景中物体的形状等)，以制作更好的特效，我们还致力于人类(和动物)的动作捕捉，以驱动计算机生成的虚拟形象。与Yotta PlC合作，我们正在致力于道路场景的自动化理解。我们致力于医学图像分析和监控。我们还与微软研究院、伦敦大学、剑桥大学和牛津大学合作。

  • 项目

      • 使用基于检测器的条件随机场从视频中分割人体实例

      • 在这项工作中，我们提出了一种基于实例的图像和视频中的人体分割方法，扩展了Ladicky等人最近提出的基于检测器的条件随机场模型。基于实例的人类分割涉及图像的像素级标记，将其划分为不同的人类实例和背景。为了实现我们的目标，我们向它们的框架中添加了三个新组件。首先，我们包括基于人体部分的检测潜力，以利用人类实例中存在的结构。此外，为了从不同的人体部位生成一致的分割，我们结合了形状先验信息，使分割偏向于特征的整体人体形状。此外，我们通过采用基于范例实例的匹配项来增强能量函数的代表性，这有助于我们的方法容易适应不同的人体尺寸和姿势。最后，我们用新的分割地面真相图像在Buffy数据集上广泛评估了我们提出的方法，并显示了对现有CRF方法的实质性改进。

      • 电脑游戏

      • 这一提议涉及视觉算法的研究，可能对现实世界的商业游戏有用。索尼娱乐欧洲公司是该企业的理想合作伙伴，因为他们在游戏行业中率先推出了这种形式的人机交互，并将继续保持领先地位。

      • 用于人体姿态检测的随机树

      • 我们通过将其定义为分类问题来解决视频序列中的人体姿势识别问题。我们的主要贡献是基于随机森林的姿态检测算法。我们提出的方法对固定和移动摄像机都有很好的效果。

      • 3D显示内容的创建

      • 3D显示技术有可能成为自彩色技术引入以来最重要的显示创新。最近，夏普(Sharp)在其Actius系列笔记本电脑上引入了英国开发的商用3D显示屏，证明了这一趋势即将转向3D。目前的主要问题是3D内容的短缺。本研究旨在与夏普欧洲实验室合作，通过开发3D内容生成领域的基础科学来解决这一问题。

      • VideoTrace

      • VideoTrace是一种从视频模型交互式地生成逼真的3D对象模型的系统，这些模型可能被插入到视频游戏、模拟环境或其他视频序列中。用户通过在视频的一帧或多帧上跟踪要建模的对象的形状来与VideoTrace进行交互。根据视觉技术获得的三维信息，对用户绘制的草图进行解释，通过少量简单的二维交互，可以生成逼真的三维模型。VideoTrace中的每个素描操作都提供了直观而强大的视频形状建模方法，并且执行得足够快，可以交互使用。即时反馈允许用户快速建模场景中感兴趣的部分，并达到所需的细节水平。自动和手动重建的组合允许VideoTrace对不可见的场景部分建模，并在纯自动化方法失败的情况下取得成功。VideoTrace已经在互联网上得到了广泛的关注(slashdot等)，一家分拆公司正在计划中。

      • 人体运动分析

      • 通过与世界领先的动作捕捉公司Vicon合作，我们正在探索无标记动作捕捉的新方法，例如仅从视频推断一个人的姿势。维康的基于标记的技术被用于整个电影工业。牛津·布鲁克斯的作品最近获得了Vicon的授权，将包含在未来的产品中。

      • 结合跟踪和物体识别:跟踪手

      • 在视频中跟踪手是一个棘手的问题，因为高维数，也就是说，手可以处于大量不同的配置之一。与之前基于粒子滤波的方法相比，我们正在与剑桥大学的同事合作，研究一种将目标识别和跟踪以有原则的方式结合起来的新方法。

      • 监控视频分析

      • 这个项目是关于从视频中检测人和车辆及其活动。这项研究建立在先前工作的基础上，包括从运动流信息中识别活动和多体跟踪，并依赖于人类检测新方法的发展。

      • 视觉的组合优化

      • 我们正在积极开发新的视觉组合优化算法。这些算法包括对信念传播的改进和更有效的执行图切割的方法，应用于密集立体、分割、图像编辑和动作捕捉。

      • 学习分层图形结构

      • 通过将视频对象划分为刚性移动的组件，我们学习了一个基于生成部分的对象模型。我们开发了一种新的光流算法，它提供了视频中所有帧中每个点的运动向量。这些运动向量允许我们对刚性运动点进行聚类，以获得零件的初始估计。通过使用图切割重新标记每个部分的周围点，从而使模型的能量最小化，从而细化初始估计。

      • 新视图合成:来自视频的立体视图

      • 与夏普合作，我们正在探索为视频序列中的每一帧制作一对立体声对的方法，使2D电影转换为3D，并为夏普的新3D液晶显示器创建内容。虽然类似于标准的新视图合成，但我们正在解决窄基线相机运动、独立移动物体和合成不可见表面的额外问题。

      • 物体识别-人脸检测

      • 我们开发了基于级联分类器的人脸检测方法，早于Viola，但可能没有我们使用的特征那么快，也没有Haar小波那么有效。级联和基于树的级联一直是我们在目标识别和跟踪方面工作的一个特征。

      • 目标识别与分割

      • 我们使用基于部分的模型来解决目标识别问题。给定一幅图像，对于物体的每个部分的位置会产生多个假设。在对象的各个部分上定义了一个马尔可夫随机场，其中每个状态表示该部分的假定位置。利用信念传播获得目标位置的MAP估计。一旦对象的部分被本地化，我们使用图切割来获得对象的分割，通过约束分割的形状为类对象。

      • 染色体图像遗传信息的量化

      • SAFE网络是一个新的全欧洲范围的研究项目，有12个国家的54个合作伙伴，未来5年将获得1400万欧元的资金。该项目的目的是开发非侵入性产前遗传疾病检测的新方法。我们在这个项目中领导了图像处理和细胞计数的研究。我们正在开发新的方法，自动化测试涉及胎儿细胞标志物在母体循环。这些方法包括自动图像分析和模式分类，它们利用了稳健统计学的最新发展。

      • 体积图形切割(VOGCUTS)

      • 从图像中恢复结构是一个长期存在的视觉问题。我们一直在探索一些基于拟合网格的新技术，然后在三维中使用图切割来对浮雕进行建模。

      • 背表面形貌的动态测量

      • 脊柱弯曲是生长中的儿童的主要骨骼疾病之一，在大多数情况下，病因不明，唯一的指标是随着时间的推移背部表面形状的变化。患者的动态姿势可以掩盖潜在的畸形，因此我们使用改进的运动捕捉设备来尝试提高形状测量的可靠性。

      • 单视图重建

      • 我们正在开发一种系统，用于从场景的单个视图中恢复近似3D。我们正在探索这个重建问题的光组合优化技术的视力问题的最新发展。