2011年国际计算机视觉算法竞赛PASCAL VOC (The PASCAL Visual Object Classes Challenge 2011) 的结果不久前在第十三届国际计算机视觉大会(ICCV2011)上揭晓，中科院自动化所模式识别国家重点实验室谭铁牛研究员和黄凯奇博士带领的智能视频监控研究团队蝉联图像目标检测冠军和图像目标分类亚军。
该项竞赛自2005年举办以来，分别有法国国家信息与自动化研究院，微软剑桥研究院，牛津大学，伊利诺伊大学香槟分校，卡内基梅隆大学，芝加哥大学等单位获得冠军，而来自中科院自动化所的团队连续两年蝉联该方向的冠军,这表明中科院自动化所在该方向的研究处于国际领先水平。

图像目标检测(Image Object Detection)和图像目标分类(Image Object Classification)是计算机视觉中的基本科学问题，也是智能视频监控等计算机视觉应用中的关键技术。为了客观评价计算机视觉、模式识别领域相关算法和最新技术的研究进展，英国牛津大学、微软剑桥研究院等计算机视觉领域的世界顶尖研究机构从2005年开始组织一年一度的计算机视觉相关算法国际公开竞赛（PASCAL VOC）。该项比赛每年提供一个极具挑战的标准图像数据库，参赛者通过设计各种算法，仅根据分析图片内容来将其检测、分类，最终通过准确率、召回率、效率来一决高低。PASCAL VOC竞赛以其高难度和专业性已经成为计算机视觉领域的权威测试平台。

2011年的PASCAL VOC竞赛，主要包括图像目标检测、图像目标分类等项比赛。其中目标模型表达是算法性能提升的瓶颈。谭铁牛研究员带领的团队在2010年首次参加了其中的图像目标检测和图像目标分类两项竞赛，提出了异构数据融合机制，突破了之前主流算法的局限，分别获得目标检测项冠军和目标分类项亚军的优异成绩。在今年的竞赛中，参赛队伍包括牛津大学(Oxford)，康奈尔大学(Cornell), 新加坡国立大学(NUS), 芝加哥大学(UOC), 加州大学洛杉矶分校(UCLA), 麻省理工学院(MIT), 加州大学伯克利分校(Berkeley)，斯坦福大学（Stanford）以及微软研究院等在内的20多个世界顶尖学术和工业研究机构中的众多研究团队。

谭铁牛研究员带领的科研团队长期从事智能视觉监控方向的研究，先后得到国家973计划、863计划和国家自然基金等科研项目的资助。面向国家与公共安全的战略需求，该团队坚持在面向安全监控的图像及视频理解的各个环节进行系统创新，不断突破复杂环境目标检测、多目标跟踪、特定目标分类识别和异常行为分析等系列关键技术以及计算机视觉算法高效性、准确性、鲁棒性等应用瓶颈，在包括IEEE T-PAMI, IEEE T-IP,CVPR等在内的本领域国际权威期刊和顶级学术会议上发表论文80多篇，授权和申请发明专利21项，解决了智能视觉监控从理论到应用的众多关键问题，研究成果已在2008年北京奥运、国家与公共安全、城市交通管理等诸多领域推广应用，有力推动了该领域的学科发展和技术进步，取得了显著的经济社会效益，先后获得中国专利奖和国家科技进步二等奖等奖励。