基于倾向流和深度学习的机场运动目标检测

• 作者: 余丽莎 李炜 詹昭焕 韩松臣
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 智能交通 运动目标 机场场面监视 倾向流 卷积神经网络 目标检测
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 49-57
• 页数: 9页
• 分类号: U8|V351|TP391
• 字数: 6802字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2019.01.007

摘要

针对当前基于视频图像的场面监视目标检测方法存在定位误差较大,识别准确率低等问题,建立一种结合目标运动信息的机场场面运动目标检测方法:利用倾向流法提取出运动目标在图像中的候选区域,对候选区域执行点池化操作以确定区域建议的边界,采用Inception结构构建一个浅层卷积神经网络,并使用该网络对区域建议中的航空器、车辆和人员进行识别.结合国内机场的监视视频,构建了一个包含4 938张图片的机场目标数据集,用于算法的训练和测试.结果 表明,运动目标提取的准确率达到94％以上,运动目标识别的Top-1准确率达到了97.23％,运动目标平均准确率达到86.23％.与3种深度学习目标检测算法相比,运动目标检测精度平均提升了39％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李炜	四川大学空天科学与工程学院	9	11	2.0	3.0
5	韩松臣	四川大学空天科学与工程学院	19	60	5.0	7.0
9	詹昭焕	四川大学空天科学与工程学院	1	1	1.0	1.0
10	余丽莎	四川大学空天科学与工程学院	3	1	1.0	1.0