一种基于深度帧差卷积神经网络的运动目标检测方法.pdf
傲丝****账号
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于深度帧差卷积神经网络的运动目标检测方法.pdf
本发明公开了一种基于深度帧差卷积神经网络的运动目标检测方法,属于计算机视觉领域,一种基于深度帧差卷积神经网络的运动目标检测方法,本发明的DifferenceNet具有孪生Encoder‑Decoder结构,通过输入两帧图像与对应的监督标签,可以学习两帧图像之间的时序信息与差异特征;AppearanceNet具有Encoder‑Decoder结构,通过主干提取t帧图像的表观信息,然后通过时‑空信息融合,对t+1帧图像中的运动目标进行预测;AppearanceNet还通过多尺度特征图融合和逐步上采样来保留多尺
基于卷积神经网络修复帧差法获取全景前景目标的方法.pdf
本发明公开了一种基于卷积神经网络修复帧差法获取全景前景目标的方法,该方法包括以下步骤:选定需要进行前景目标修复的路段,获取该路段的多向交通路况视频;针对每个交通路况视频,利用帧差法获取该视频时段的前景目标图;针对每个交通路况视频,对视频帧图像进行归一化处理,并将归一化后的图像划分为训练集和测试集;根据训练集图像和测试集图像,利用卷积神经网络对前景目标图进行修复;基于多向交通路况视频,利用图像拼接算法获取所有前景目标图的全景图。本发明方法不仅可以获取清晰的运动目标前景图,而且通过全景图的获取,解决了在自动驾
一种基于深度卷积神经网络的小目标快速检测方法.pdf
本发明公开了一种基于深度卷积神经网络的小目标快速检测方法,该方法对深度卷积神经网络通过以下方法进行改进:选择VGG16网络最后一个共享卷积层的卷积特征图上滑动窗口作为候选框,且采用半像素精度滑动窗;删除地五池化层,保留其他卷积层和池化层;增加一个卷积核为3x3的卷积层;用两个卷积核为1x1卷积层替代网络中所有的全连接层,得到本发明采用的网络,利用采集的数据训练该网络,得到小目标分类模型,并利用该模型进行小目标检测。该方法能够降低计算复杂度,提高小目标的检出率。
基于关联帧差分法的运动目标检测方法.pdf
本发明旨在提供一种基于关联帧差分法的运动目标检测方法,包括以下步骤:A、将视频图像进行灰度处理、均衡化处理以及中值滤波得到预处理图像;B、选取相邻的任意三帧的预处理图像作为待检测图像,预设图像相似度阈值;计算相邻两帧待检测图像的相似度,当均小于图像相似度阈值,执行步骤C;C、计算得到相邻两帧待检测图像的差分图像;D、预设差分阈值,对相邻两帧待检测图像的差分图像进行二值化处理得到差分二值化图像;E、将相邻两帧待检测图像的各个像素点的值进行叠加,得到初步检测结果图,对初步检测结果图轮廓填充后,得到最终检测结果
基于卷积神经网络的目标检测方法.pdf
本发明公开了一种基于卷积神经网络的目标检测方法,主要解决现有目标检测方法网络复杂、速度不快和对小目标检测效果差的问题。本发明的具体步骤如下:(1)构建积神经网络;(2)生成目标检测训练集;(3)训练卷积神经网络;(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、特征增强模块、识别和定位模块组成的卷积神经网络,克服了现有目标检测方法中大目标检测效果好、小目标检测效果差并且速度慢的问题,使得本发明不仅能够实时识别大目标,也能实时识别小目标。