基于深度卷积神经网络的运动目标检测方法

• 作者: 卢裕秋 孙金玉 马世伟
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 运动目标检测 间歇性运动 深度卷积神经网络 合成数据集
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 2275-2280
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.19-FZ0368

摘要

针对运动目标检测中的间歇性运动问题,设计了一个深度卷积神经网络MONet.在缺乏训练数据集的情况下,利用放射变换生成一个合成数据集GoChairs,并在此基础上进行网格的训练和测试.结果 表明,训练后的MONet能够有效地根据像素点之间的对应关系检测出运动的目标.传统的运动目标检测数据集CDnet和I2R被用于测试以验证该网络的泛化性能.针对目标的间歇性运动问题,MONet与经典方法进行了定性和定量的比较.实验结果证明了该网络在检测间歇性运动的目标时的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马世伟	上海大学机电工程与自动化学院	66	445	10.0	18.0
2	孙金玉	上海大学机电工程与自动化学院	2	0	0.0	0.0
3	卢裕秋	上海大学机电工程与自动化学院	1	0	0.0	0.0