基于深度卷积神经网络的运动目标光流检测方法
运动目标检测是物体检测领域的一个重要研究方向,在目标识别中有着至关重要的作用.针对传统运动检测方法精度不高、无法对运动目标进行检测,本文将深度卷积神经网络引入到运动目标光流检测中,将前后帧图像及目标光流场图像作为网络的输入,自适应地学习运动目标光流,并通过对网络放大架构的优化及网络的精简,同时采用数据增广等技术,设计出精度与实时性兼顾的目标物体光流检测网络.实验结果表明,本文方法在运动目标的光流场检测中有更好的表现,SS-sp和CS-sp网络相比原网络在检测精度上均提高了约5.0%,同时大幅减少了网络的运行时间,基本满足实时检测的要求.
运动目标、光流检测、深度卷积神经网络、网络结构优化
45
TP391.4(计算技术、计算机技术)
江苏省研究生培养创新工程SJLX16_0498;江苏省政策引导类计划产学研合作-前瞻性联合研究项目BY2016022-32
2018-08-23(万方平台首次上网日期,不代表论文的发表时间)
共10页
38-47