冯缘 - 浙江工业大学

个人简介

1991年生，籍贯江苏连云港，中共党员，博士。教育背景与工作经历 2010/09 - 2014/06，浙江工业大学，软件工程专业，学士 2014/09 - 2016/06，浙江工业大学，计算机科学与技术专业，硕士 2016/09 - 2019/06，浙江工业大学，控制科学与工程专业，博士 2019/07 - 至今，浙江工业大学，理学院，校聘副教授计算机视觉的相关研究经验丰富，研究成果发表在SCI期刊工业电子汇刊IEEEE TIE(SCI 一区, ZJUT100)、Complexity(SCI 二区)、IJARS (SCI 三区)，以第一作者身份在中国计算机视觉大会和中国模式识别大会上发表会议文章。2013年开始研究计算机视觉，对三维重建、SLAM及目标跟踪有深入理解。结合横向预研课题，构建了一套基于RGB-D的非接触目标姿态跟踪测量系统。主持项目 1. 基于刚体运动轨迹的三维人体动作分层表示方法研究，国家自然科学基金项目-青年，61603341， 2017/01/01 - 2019/12/31，18万元，参加 2. 结合多视图学习的无人机目标跟踪技术研究，浙江省自然科学基金项目-青年，LQ18F030013， 2018/01/01 - 2020/12/31，8万元，参加 3. 建筑垃圾智能视觉识别与分拣系统，中城绿建科技有限公司，2017/11/01 - 2019/10/31，35万元，参加 4. 断骨对接空间位姿追踪，杭州德泽机器人科技有限公司，2018/07/02 - 2018/10/31，28万元，参加 5. 基于红外双视技术的圆堆人员安全防护及自燃预警系统的研究开发，华电电力科学研究院有限公司，2018/08/27 - 2019/04/30，35万元，参加成果 [1] 发明专利, 一种面向非均匀退化视频中对象的结构化跟踪方法, 刘盛,冯缘,宋洪章,林家宁,陈胜勇, 201610597025.3 [2] 发明专利, 一种非均一严重运动退化图像的对象分割方法, 刘盛,张少波,冯缘,沈康,陈胜勇, 201610604569.8 [3] 计算机软件著作权, 基于肢体轨迹重建技术的3D绘画软件, 郑文韬,陈可,祝欣洁,冯缘,江颉, 2016SR296021 [4] 计算机软件著作权, 基于肢体轨迹重建技术的签到系统, 陈可,高成洲,冯缘,祝欣洁,刘盛, 2016SR296787 [5] 发明专利, 一种面向严重退化视频的实时光流分析跟踪方法, 刘盛;冯缘;陈一彬;沈康;陈胜勇, 201710616690.7 [6] 发明专利, 一种面向视觉特征退化图像的固废对象分割方法, 刘盛;王超;冯缘;尹科杰;陈胜勇, 201710559875.9 [7] 发明专利, 一种基于Tag的六自由度姿态估计方法, 刘盛;柯程远;冯缘;王杨庆;沈康;陈胜勇, 201811101406.3 [8] 发明专利, 一种基于结构描述子的复杂结构三维对象识别方法, 刘盛;沈康;冯缘;王杨庆;柯程远;陈胜勇, 201811101377

研究领域

SLAM、三维重建、目标跟踪、目标识别等

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

[1] Sheng Liu, Yuan Feng, Shaobo Zhang, Hongzhang Song, Shengyong Chen, “L0 Sparse Regularization based Image Blind Deblurring Approach for Solid Waste Image Restoration”, IEEE Transactions On Industrial Electronics, SCI TOP (IF=7.050)（计算机科学顶级刊物） [2] Sheng Liu, Yuan Feng, Kang Shen, Yangqing Wang, Shengyong Chen, “An RGB-D-Based Cross-Field of View Pose Estimation System for a Free Flight Target in a Wind Tunnel”, Complexity, SCI Q2 (IF=1.829) （数学交叉学科顶级刊物） [3] Sheng Liu, Yuan Feng, “Real-time fast moving object tracking in severely degraded videos captured by unmanned aerial vehicle”, International Journal of Advanced Robotic Systems, SCI Q3: WOS:000426284800001 (IF=0.952) （机器人系统方向刊物SCI三区） [4] Feng Yuan, Liu Sheng, Wang Chao, Ying Gaoxuan, Yin Kejie, Chen ShengYong, “Statistical degradation analysis for real-time tracking in severely degraded videos”, Computer Vision - 2nd CCF Chinese Conference, CCCV 2017, EI: 20175104556170（中国计算机视觉大会，国内顶级学术会议） [5] Feng Yuan, Liu Sheng, Zhang Shaobo, “Structured degradation model for object tracking in non-uniform degraded videos”, Pattern Recognition - 7th Chinese Conference, CCPR 2016, EI: 20164603024575（中国模式识别大会，国内顶级学术会议）