科研学术

　　5月，由IEEE信号处理学会主办的ICASSP 2022（International Conference on Acoustics, Speech and Signal Processing）线上会议举行，我校信息与软件工程学院嵌入式智能计算团队在ICASSP 2022上共发表3篇三维视觉相关研究成果。ICASSP是语音信号处理领域的顶级国际会议，在国际上享有盛誉并具有广泛的学术影响力。

图1 针对三维跟踪的基于非刚性变化的对抗攻击方法流程

　　2019级硕士生成日冉为研究成果“Non-Rigid Transformation Based Adversarial Attack Against 3D Object Tracking”的第一作者，桑楠教授为第二作者，2020级硕士生周银源为第三作者，王旭鹏为通讯作者。

　　基于深度神经网络的3D视觉任务容易受到对抗攻击。现有的生成对抗样本的方法主要是通过向输入数据注入不可察觉的扰动。然而，针对三维物体几何特征的攻击很少被研究。本研究提出了一种针对三维目标跟踪的基于非刚性变化的对抗攻击方法（图1）。通过使目标模板的一部分结构变形生成对抗样本，导致跟踪模型预测结果与真实值产生偏差。特别的，基于聚类的区域分割模块被设计用于将目标模板划分为局部区域。此外，一个复合目标函数被用来更新局部区域的姿态。实验结果表明，三维跟踪模型极易受到非刚性变化的影响。

图2 TH-Net：单目标追踪方法流程

图3 豪斯多夫距离计算流程

　　2020级硕士生张梓豪为研究成果“TH-Net: A method of single 3D object tracking based on Transformers and Hausdorff distance”的第一作者，桑楠教授为第二作者，通讯作者为王旭鹏。

　　3D点云的离散性与非结构性，为3D点云处理带来了极大地挑战。以往处理手段囿于函数形式单一在拟合能力上也存在局限。目标跟踪需要在搜索空间中完成目标点云的模式匹配，以往方法易受到噪声点的影响，且未考虑点与点集之间的关系。本研究基于Transformers提出新的特征提取框架，在避开以往特征提取结构的缺陷，且有效应对了3D点云的离散性与非结构性，除此之外，也通过对Transformers结构的修改减小了计算复杂度，使整体框架达到实时性；同时，提出采用豪斯多夫距离作为模式匹配方案，此方法通过考虑点与点集之间的相对关系，削弱噪声点带来的影响且在室外数据集中取得优秀结果。

图4 基于点过滤策略的三维目标跟踪算法对抗攻击模型

图5 通过拉升和裁剪得到Hard Concrete分布，用于拟合伯努利分布

　　2019级硕士生王正奕为研究成果“Adversarial Distillation for One-shot Attacks on 3D Target Tracking”的第一作者，通讯作者为王旭鹏，廖勇教授为合作作者。

　　考虑到现有的深度模型在对抗情况下的脆弱性，三维目标跟踪模型的稳健性无法得到保证。二维领域已经有许多对抗攻击的突破，但是三维领域的相关工作依然较少，考虑到三维目标跟踪器主要应用在安全要求较高领域，验证其稳健性是十分迫切的。本研究提出了一种基于点过滤策略的三维目标检测器对抗攻击算法（图4），验证了三维目标检测器在面对精心制作的对抗样本时的脆弱性。文中还对伯努利分布的离散采样值在神经网络模型中无法跟踪梯度的问题作出分析，并给出了解决方案（图5）。实验结果表明，该算法的对抗样本生成效率和攻击性具有先进效果。

　　上述多项三维视觉最新成果，针对三维目标跟踪神经网络特点，研究了更高效的网络并探讨了当前三维跟踪模型的鲁棒性，为三维目标跟踪更好的发展奠定了基础。

　　嵌入式实时计算团队成立于上世纪八十年代末， 是国内最早开展嵌入式系统及可信计算研究的单位之一。专门从事嵌入式实时计算机系统的软硬件及应用技术的研究。近十年来，团队延续了嵌入式实时操作系统内核和嵌入式实时应用领域的研究，并逐步实现了从传统的嵌入式技术到智能嵌入式系统的成功转型，在图像处理、大数据分析、综合视频监控、物联网技术、区块链技术等领域开展研究，在国防、铁路交通、电信、金融、医养、物流等领域与企业建立了深度合作关系，在多个方向上形成了自己独有的特色。