1、場景分析與理解能夠有效幫助和提高計(jì)算機(jī)對(duì)于復(fù)雜多變室內(nèi)外場景的分析和認(rèn)知能力，是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一。近年來隨著穿戴式設(shè)備（如:運(yùn)動(dòng)相機(jī)、智能眼鏡和眼動(dòng)儀等）的高速發(fā)展，基于Social Camera的多視角視頻（也叫Multi-egocentric視頻）的場景分析得到了人們的廣泛關(guān)注，這也就要求目標(biāo)檢測、群體檢測算法能夠克服Social Camera視頻背景變化劇烈、目標(biāo)尺度差異明顯和視角時(shí)變性強(qiáng)等問題。
　　本文針對(duì)場

2、景分析在Egocentric視頻中的關(guān)鍵問題進(jìn)行了深入研究，重點(diǎn)研究了目標(biāo)檢測算法、群體檢測算法，并構(gòu)建了Social Camera多視角視頻數(shù)據(jù)集，以便進(jìn)行相關(guān)問題的研究。
　　本文的主要研究工作如下:
　　(1) Social Camera多視角視頻通常以人作為拍攝主題，所以人的檢測是多視角視頻分析與理解重要的研究問題之一。而人臉檢測算法是常用的人類目標(biāo)的檢測方法，但是相機(jī)劇烈運(yùn)動(dòng)常常導(dǎo)致人臉變形，使得人臉檢測算法產(chǎn)生漏

3、檢。本文提出了一種基于CMT的人臉目標(biāo)檢測算法，將運(yùn)動(dòng)信息融入到人臉檢測算法中，提高Social Camera視頻中變形人臉檢測的準(zhǔn)確率。
　　(2)現(xiàn)有文獻(xiàn)中群體檢測算法主要基于目標(biāo)空間位置和目標(biāo)空間朝向定義的關(guān)注度來實(shí)現(xiàn)，而通常Social Camera視頻很難給出目標(biāo)精確空間位置和朝向信息。因此本文提出了一種融合目標(biāo)所占區(qū)域比例、目標(biāo)與圖像中心間距和目標(biāo)朝向特征的目標(biāo)關(guān)注度計(jì)算方法實(shí)現(xiàn)群體檢測。該算法通過對(duì)圖像中目標(biāo)的分析與