河海大学物联网工程学院, 江苏 常州 213022
针对传统基于群体运动状态分析的异常事件检测方法对场景语义信息描述不足的问题,引入了复杂网络中运用社区发现的Girvan-Newman(GN)分裂算法。将具有相似运动特征且位置相近的行人划分为多个群组,利用群组运动强度和群组数量的变化,描述群组在正常和异常场景中的差异,检测异常事件的发生。通过实验验证,该算法能够在丰富场景语义信息的同时实现对异常事件的准确检测。
机器视觉 运动特征 GN分裂 异常事件检测算法 激光与光电子学进展
2020, 57(6): 061506
区域推荐搜索是机器视觉研究热点之一,针对传统目标检测使用穷举式搜索效率低下的问题,通过优化搜索的准确率可提高检测效率。引入复杂网络中用于社区发现的Girvan-Newman(GN)分裂算法,结合小目标区域特征,提出一种基于图像网络结构的小目标检测区域推荐搜索算法。该算法根据区域间多样性颜色直方图相似性构建图像与图的映射关系,通过图中连通子图的生成获取小目标可能区域。能在生成较少候选区的情况下满足较高的召回率,进一步优化小目标检测的时间消耗。
机器视觉 区域推荐搜索 Girvan-Newman分裂 小目标检测
