一种基于光流和二级聚类的移动背景下的目标检测算法

摘要：

针对现有的移动背景下的目标检测算法存在检测速度较慢、自适应性差和检测准确度不高的问题,提出了一种基于光流和二级聚类的移动背景下的目标检测算法;该算法融合了阈值自适应规则和基于优化检测结果的反馈机制.首先采用Lucas-Kanade光流跟踪算法和DBSCAN聚类算法提取出前景目标,然后采用改进的凝聚层次聚类算法将前景目标分类.在第一级聚类时建立基于初始聚类结果的自适应规则,实现了自适应地检测目标;在第二级聚类后,通过去除错误匹配特征点和阴影区域特征点优化检测结果;并将优化后的检测结果反馈给第一级聚类过程以更新适用阈值,使目标检测更准确.在多个视频库上进行验证,实验结果证明该算法检测速度快、自适应性良好、检测准确度高.

关键词：目标检测、移动背景、自适应阈值、反馈

所属期刊栏目：16

分类号：TP391.41(计算技术、计算机技术)

资助基金：成都市科技惠民项目2015-HM01-00293-SF;特殊环境机器人技术四川省重点实验室开放基金14zxtk03;国家自然科学基金委员会和中国工程物理研究院联合基金11176018

在线出版日期：2016-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：108-114