计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2007年
2期
250-252
,共3页
目标检测%光流%径向基函数网络%学习矢量量化%运动补偿
目標檢測%光流%徑嚮基函數網絡%學習矢量量化%運動補償
목표검측%광류%경향기함수망락%학습시량양화%운동보상
由于运动摄像机的存在使得复杂背景下的运动目标检测问题更加复杂,根据场景中目标与背景具有不同的运动、任意场景可以分成不同的运动区域这一基本事实,提出一种新的基于RBF神经网络的运动目标检测算法.运动补偿后求参考帧与补偿后的当前帧之间的光流,联合当前像素坐标及其灰度值得到五维特征向量作为RBF网络的输入,RBF网络学习算法通过最小化由Bayesian理论和能量最小化理论导出的损失函数实现.学习矢量量化方法修正网络的中心,收敛后网络的输出就是运动目标区域.试验结果证明了算法的有效性.
由于運動攝像機的存在使得複雜揹景下的運動目標檢測問題更加複雜,根據場景中目標與揹景具有不同的運動、任意場景可以分成不同的運動區域這一基本事實,提齣一種新的基于RBF神經網絡的運動目標檢測算法.運動補償後求參攷幀與補償後的噹前幀之間的光流,聯閤噹前像素坐標及其灰度值得到五維特徵嚮量作為RBF網絡的輸入,RBF網絡學習算法通過最小化由Bayesian理論和能量最小化理論導齣的損失函數實現.學習矢量量化方法脩正網絡的中心,收斂後網絡的輸齣就是運動目標區域.試驗結果證明瞭算法的有效性.
유우운동섭상궤적존재사득복잡배경하적운동목표검측문제경가복잡,근거장경중목표여배경구유불동적운동、임의장경가이분성불동적운동구역저일기본사실,제출일충신적기우RBF신경망락적운동목표검측산법.운동보상후구삼고정여보상후적당전정지간적광류,연합당전상소좌표급기회도치득도오유특정향량작위RBF망락적수입,RBF망락학습산법통과최소화유Bayesian이론화능량최소화이론도출적손실함수실현.학습시량양화방법수정망락적중심,수렴후망락적수출취시운동목표구역.시험결과증명료산법적유효성.
