本研究室的一篇论文被TIP (IF_2014=3.625, CCF A类) 接收为Regular论文：Chao Zhu and Yuxin Peng, “A Boosted Multi-Task Model for Pedestrian Detection with Occlusion Handling”, IEEE Transactions on Image Processing (TIP), 2015。祝贺朱超博士后！
　　本论文针对行人检测中的遮挡问题提出了一种新的遮挡处理模型。现有主流检测方法普遍面临着随着遮挡程度增加其检测性能会明显下降的问题，针对目前常用的遮挡处理方法独立训练不同遮挡程度下的检测器，而忽略了它们之间的关联关系的缺陷，本论文把不同遮挡程度下的行人检测看作一系列不同但互相关联的任务，提出了一种增强的多任务模型来同时考虑他们的区别与联系。具体地，通过构建一种新的多任务基本决策树，将不同遮挡程度下的行人分类问题映射到一个共同子空间中，使得在这个子空间中不同遮挡情况下的联合分类误差最小化，然后基于此最优多任务基本决策树训练一个增强的级联检测器来对不同遮挡程度下的行人进行检测。另外还通过多行人上下文信息进一步增强了对遮挡的鲁棒性。本方法的有效性在3个广泛使用的标准行人数据集上得到了验证，包括在Caltech数据集的不同遮挡测试集上都取得了目前最好的检测结果。