运动显著性概率图提取及目标检测
目的 动态场景图像中所存在的静态目标、背景纹理等静态噪声,以及背景运动、相机抖动等动态噪声,极易导致运动目标检测误检或漏检.针对这一问题,本文提出了一种基于运动显著性概率图的目标检测方法.方法 该方法首先在时间尺度上构建包含短期运动信息和长期运动信息的构建时间序列组;然后利用TFT(temporalFourier transform)方法计算显著性值.基于此,得到条件运动显著性概率图.接着在全概率公式指导下得到运动显著性概率图,确定前景候选像素,突出运动目标的显著性,而对背景的显著性进行抑制;最后以此为基础,对像素的空间信息进行建模,进而检测运动目标.结果 对提出的方法在3种典型的动态场景中与9种运动目标检测方法进行了性能评价.3种典型的动态场景包括静态噪声场景、动态噪声场景及动静态噪声场景.实验结果表明,在静态噪声场景中,Fscore提高到92.91％,准确率提高到96.47％,假正率低至0.02％.在动态噪声场景中,Fscore提高至95.52％,准确率提高到95.15％,假正率低至0.002％.而在这两种场景中,召回率指标没有取得最好的性能的原因是,本文所提方法在较好的包络目标区域的同时,在部分情况下易将部分目标区域误判为背景区域的,尤其当目标区域较小时,这种误判的比率更为明显.但是,误判的比率一直维持在较低的水平,且召回率的指标也保持在较高的值,完全能够满足于实际应用的需要,不能抵消整体性能的显著提高.另外,在动静态噪声场景中,4种指标均取得了最优的性能.因此,本文方法能有效地消除静态目标干扰,抑制背景运动和相机抖动等动态噪声,准确地检测出视频序列中的运动目标.结论 本文方法可以更好地抑制静态背景噪声和由背景变化(水波荡漾、相机抖动等)引起的动态噪声,在复杂的噪声背景下准确地检测出运动目标,提高了运动目标检测的鲁棒性和普适性.
运动目标检测、时间序列组、运动显著性、运动显著性概率图、空间信息建模、噪声抑制
23
TP391(计算技术、计算机技术)
国家自然科学基金项目61671201,61501173;江苏省自然科学基金项目BK20150824;中央高校基本科研业务费专项基金项目2017B01914National Natural Science Foundation of China61671201,61501173;Natural Science Foundation of Jiangsu Province,ChinaBK20150824;Fundamental Research Funds for the Central Universities2017B0191
2018-04-09（万方平台首次上网日期，不代表论文的发表时间）
共10页
229-238
