江南大学轻工过程先进控制教育部重点实验室,江苏 无锡 214122
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 moving target optical flow detection deep convolutional neural network network structure optimization