基于谱残差和聚类法的运动目标检测研究

• 作者: 张兴忠 李海芳 邓红霞 马琴
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: k-means聚类 视觉显著性 运动目标检测 SURF特征 帧差法
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形与图像
• 页码范围: 1867-1873
• 页数: 7页
• 分类号: TP391.41
• 字数: 3405字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.10.020

摘要

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续.针对这一问题,分别引入谱残差算法和k-means聚类算法,并加以改进,提出一种基于谱残差算法和k-means聚类算法的运动目标检测算法.具体方法是:首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k-means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标.实验显示,本文算法目标识别率达到90.61％,误检率达到21.25％,分别优于传统基于SURF特征的运动目标检测算法66.60％的识别率、31.91％的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573％的识别率、26.80％的误检率.虽然该算法平均运行时间为18 fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张兴忠	太原理工大学信息与计算机学院	54	179	8.0	9.0
2	李海芳	太原理工大学信息与计算机学院	92	507	12.0	16.0
3	马琴	太原理工大学信息与计算机学院	4	7	2.0	2.0
4	邓红霞	太原理工大学信息与计算机学院	27	78	5.0	7.0