10.19734/j.issn.1001-3695.2019.05.0167
基于光流优化的堆叠Unet背景建模神经网络
针对现有背景 建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景 建模算法(改进的BM-Unet算法).该算法结合光流法和Pearson相关系数在视频帧上提取背景 关注区域,以此优化网络训练集和损失函数,从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性;在此基础上,为进一步提高背景 生成的精确度,又提出了一种堆叠Unet网络架构BM-SUnet(background modelling stacked Unet).在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明,所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论.
非监督学习、卷积神经网络、背景建模、堆叠Unet、复杂前景、间歇运动前景
37
TP391(计算技术、计算机技术)
中央高校基本科研业务费专项资金资助项目222201917006
2020-10-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
2861-2865