近日，我校计算机科学与技术学院王晓博士的研究论文“Consistency-Constancy Bi-Knowledge Learning for Pedestrian Detection in Night Surveillance”在第29届国际多媒体会议（ACM MM-2021）上进行了汇报交流。王晓博士为论文的第一作者，我校计算机科学与技术学院的徐新教授为通信作者。该会议是中国计算机学会CCF推荐的A类会议，是多媒体领域的顶级会议之一。王晓博士今年的另一篇研究论文“Very Important Person Localization in Unconstrained Conditions: A New Benchmark”此前被第35届国际人工智能协会年会（AAAI 2021）录用。连续发表的CCF-A类论文将有力地推进多媒体和人工智能领域的前沿性研究工作，扩大计算机科学与技术学院在多媒体和人工智能领域的学术影响力。

论文一：Consistency-Constancy Bi-Knowledge Learning for Pedestrian Detection in Night Surveillance（ACM MM 2021）

行人检测作为视频侦查的关键技术，能够定位出监控图像中行人的位置，有助于嫌疑人的排查分析。通过观察实际监控场景中白天与夜间行人分布的一致性和背景的恒定性，我们将这种一致性和恒定性双向学习机制引入到夜间监控场景下的行人检测研究中。实现了从夜间场景到白天夜间场景相结合优化行人检测的转变，并在公开的夜间监控场景行人检测数据集上验证，性能优于当前流行方法，便于一线侦查人员快速、准确地对目标行人进行定位信息，对提高公安部门破案率，维护人民群众生命财产安全和人身安全具有重要意义。

图1 夜间监控场景下一致性和恒定性双向学习行人检测框架图

论文二：Very Important Person Localization in Unconstrained Conditions: A New Benchmark（AAAI 2021）

关键人检测可以定位图像中的关键人物，对于图像场景的理解、关键人物的行为分析以及人物的去向有很重要的作用。通过观察实际应用场景的关键人分布情况，收集并标注非控场景的关键人位置信息，将人和该场景下的物体做结合，首次提出了人人和人物关联的关键人检测方法，实现了从简单场景的人人关系确定关键人到非控场景的人人和人物关联确定关键人的转变，综合分析并发布了非控场景下的关键人检测数据集，促进了关键人检测在实际复杂非控场景下的研究工作。

ACM MM (International Conference on Multimedia)和AAAI（Association for the Advance of Artificial Intelligence）分别是多媒体和人工智能领域的国际顶级会议，均被中国计算机学会CCF推荐为A类会议。ACM MM 2021年度会议的最终录取率为27.9%；AAAI 2021年度会议的最终录取率为21%。

图2 复杂非控条件下的关键人检测框架图