大连理工大学王栋(王栋博士简历)

随着美国3DRobotics、法国Parrot、中国DJI(DJI创新)等一系列领先无人机公司的崛起，无人机航拍在军事和民用领域的应用越来越频繁，如军事侦察、边境巡逻、城市监测、地质勘探、灾害监测等。作为无人机智能化的理论基础，计算机视觉技术的技术改进和应用拓展已经成为许多科学家一直在攻关的科研难题。如今，随着社会各界对无人机航拍技术的需求越来越大，大连理工大学信息与通信工程学院副教授王栋长期坚守在计算机视觉和图像视频处理领域，尤其是在目标跟踪和分类领域。联合项目组重点研究国家自然科学基金面上项目——“广域低帧率航拍风光在线目标跟踪”，全力攻克技术难关，在无人机城市安全监控和生活方式分析方面取得重大成果，进一步推动无人机智能化。

走好初心，在科研道路上奋进。

王栋的心就像迷失在海上的塔灯。它能在他迷失方向的时候发出耀眼的光芒，在重要时刻引导他做出符合内心的选择。本科期间，在学习数字信号处理的过程中认识了陆虎川教授，并对陆教授从事的图像处理研究产生了浓厚的兴趣。起初，我们偶然相遇，但这种兴趣的起源是在我们的天性中。正是这场看似注定的相遇，让王栋和“目标跟踪技术”开始了数十年的缘分。跟着最初的兴趣，2008年，王栋报考并成功成为陆虎川教授的学生。5年后，博士毕业时，王栋面临着两个完全不同的选择:进企业工作和留校科研。他毅然选择留在学校继续研究陆教授团队的主要目标跟踪方向，并发誓将此进行到底。

2015年至2016年，王栋访问了美国天普大学，在那里他遇到了天普大学的凌海滨教授，并得到了他的指导。在接触中，他发现凌海滨教授的研究思路集中在如何带来新的见解，提出新的问题，做前人没有做过的研究，这让当时专攻精度和速度的王栋受益匪浅。在国外的一年时间里，王冬雪与研究齐头并进。他在高空无人机场景跟踪方面取得了一些阶段性的实验成果，为回国后的无人机探测跟踪奠定了基础。

在王栋的CCF颁奖典礼上获奖。

一旦科考起航，途中风浪是避不开的。现在的停下来不是为了等天气放晴，而是为了给自己充电。2016年下半年回国后，王栋继续专注于目标跟踪的应用研究。但他发现当时目标跟踪技术的算法精度并不高，根本解决不了行业痛点，以至于接下来的半年都卡在了技术瓶颈和困惑中。随后，随着在DJI无人机的应用前景，王栋和他的团队也对近年来在深度视觉跟踪方面的研究工作进行了深入的总结和分析，全面掌握了现有算法的进展和优缺点。通过深入挖掘深度神经网络的局部结构，提出局部敏感回归跟踪算法，在国际标准评测的VOT2017公开数据集上获得第一名。然后，他们提出了联合决策和可靠性学习的相关滤波跟踪算法，进一步提高了跟踪算法的精度，在国际标准评测OTB2015和VOT2017中达到了当时的最高精度。王栋和他的团队在深度视觉跟踪方面的最新进展和突破，为多项国家和省级目标跟踪研究课题奠定了坚实的基础。

携手打造数字猎鹰

当艰难的科学理论对外介绍时，这个领域的科学家，简而言之，就是用更贴近生活的方式传递给科学圈之外的大众。但是，解释越简单，科研实践越深入。作为计算机视觉和图像视频处理方面的专家，在谈到计算机视觉时，王东把相机的摄像头比作人眼，把连接的计算机或其他计算平台比作人脑。然后通过两个活生生的应用实例，追踪流动人群和DJI无人机周边拍照，将他所在领域的研究内容以更通俗易懂的方式呈现出来。在当前科研投入实践时，王栋和他的团队并没有将目标跟踪技术止步于“人眼”，而是专注于当时国内外尚处于起步阶段的“广域低帧率航拍场景下的在线目标跟踪”课题，以解决目标外观特征的模糊性和运动场景的复杂性带来的诸多挑战，包括目标尺寸小、视觉特征模糊、运动复杂、光照和阴影变化、背景凌乱等。，共同努力创造更快的捕捉。

经典、前沿的理论是项目实施的坚实基础。在前沿的深度学习理论指导下，王栋和他的团队在sub 空和稀疏表示模型、距离测量模型和深度学习模型三种模型下在线跟踪的初步研究基础上，开始研究低分辨率小目标的深度学习模型、小目标训练样本的生成和深度网络模型的训练，以及低帧率下相似目标的时间/时间。

多年的相关研究经验是项目实施的必要条件，合理的团队结构和紧密的国际合作是项目实施的有力保障。王栋的团队由一群具有丰富理论和实践知识的博士生组成。他们一直致力于目标跟踪和分类的研究，提出了一系列基于sub 空、稀疏表示和局部距离度量的优秀模型算法。深度视觉跟踪算法的概述和最新突破，为如何利用深度神经网络建立鲁棒的外观模型提供了技术条件。同时，王栋和项目团队与目标跟踪和深度学习领域的资深研究人员保持着良好的学术交流与合作，如加州大学默塞德分校的明-杨玄教授、天普大学的凌海滨教授、香港中文大学的王晓刚教授等，能够及时获得最新的研究动态和指导。

特色创新是项目取得突破性成果的最有力证明。针对广域场景下的小目标外观建模问题，他们尝试创新性地提出了结合深度孪生匹配模型和深度特征分类模型的深度目标外观模型，并将深度学习理论扩展到广域航拍视频序列中的在线目标跟踪问题。也是广域场景中小目标的方向。针对其训练样本缺乏有效的训练深度模型，他们尝试创新性地提出通过生成对抗网络模拟真实小样本目标并嵌入真实背景，离线学习适合本项目场景的深度特征。然后，为了解决目标轨迹和背景的复杂性问题，王栋和他的团队开始研究低帧率视频序列的特点，尝试创新性地使用多目标跟踪的思想来解决在线单目标跟踪问题，提出了时间空语义关联模型，统一目标外观模型和时间空语义模型的建模，从而推导出待跟踪目标的最优轨迹。

“数字猎鹰建造计划”使国内视觉目标跟踪领域突破了以往的技术局限，在多项国际比赛中取得重大成绩。从2017年到2020年，王栋和他的团队六次获得国际视觉目标跟踪大赛(VOT)一等奖，其中包括VOT 2018-LT、VOT 2019-LT和VOT 2020-LT的三连冠，站在巨人的肩膀上，他们向科学看得更远，但当愿景在心中失落的时候，他们默默低头，锤炼着以创新为核心的瓦片，建造更壮观的科学大厦。

将研究进行到底

所谓学无止境，强调持久的学习，指出学习环境不是唯一的。对王栋来说，学习和研究的场所不仅限于实验室，工作的“娱乐”也是一个学习的平台。尤其是近几年流行的3D国民言情片《秦月》，更是让他巧妙地将“学习”渗透到了个人的娱乐活动中。被动画本身的剧情所吸引，“专攻艺术”的他将视觉研究延伸到生活、娱乐、趣味等领域，更加关注动画制作在图形学和计算机视觉方面的进展。目前动画视觉技术的提升，也让在视觉技术领域扎根多年的他备受鼓舞。

学无止境。学习不仅需要实践，更需要远见和对未来的整体规划。基于目前王栋的研究工作，设想在未来的研究中，可以与国内相关领域的学者共同努力，引领计算机视觉从关注特定成品到制定领域标准的发展，从而在未来取得更大话语权的成果，在企业合作、公共生活、航天科技等领域取得更大的社会效益。

王栋在他个人的学术领域一直坚持专业的要求。在计算机视觉相关领域具有扎实的理论基础和丰富的实践经验，并不断更新知识的广度和深度。个人领域的自学积累成了一个集体项目的科研大楼。绕着这栋楼爬，网上的目标跟踪技术就像一只猎鹰，翱翔在这无边无际的蓝天上，保护着人们的安全，方便着人们。