基于三維LARK特征的運(yùn)動(dòng)目標(biāo)檢測(cè)模型研究.pdf

1、隨著人工智能的快速發(fā)展，視頻運(yùn)動(dòng)目標(biāo)檢測(cè)已成為當(dāng)前的研究熱點(diǎn)。現(xiàn)有的監(jiān)督類(lèi)方法需要大量訓(xùn)練、且算法復(fù)雜度高，而非監(jiān)督類(lèi)方法檢測(cè)精度低、且依賴(lài)于特征。本文根據(jù)運(yùn)動(dòng)目標(biāo)檢測(cè)精度高、時(shí)效快、參數(shù)少易實(shí)現(xiàn)等要求，探索并設(shè)計(jì)實(shí)現(xiàn)了兩種檢測(cè)模型。
　　針對(duì)設(shè)備采集的長(zhǎng)視頻中存在對(duì)比度低、噪聲高以及背景復(fù)雜等問(wèn)題，本文首先重點(diǎn)探索研究了一種基于帶權(quán)重的三維局部自適應(yīng)回歸核（3-D weighted LARK）的時(shí)空局部結(jié)構(gòu)統(tǒng)計(jì)匹配模型，該模型包

2、含三部分:復(fù)合模板集、時(shí)空局部匹配和時(shí)空整體相似度統(tǒng)計(jì)。將復(fù)合模板集和待測(cè)視頻的局部結(jié)構(gòu)進(jìn)行時(shí)空匹配，再統(tǒng)計(jì)匹配結(jié)果，最后將統(tǒng)計(jì)結(jié)果進(jìn)行分析提取，由此實(shí)現(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)和目標(biāo)不同動(dòng)作的識(shí)別。
　　針對(duì)多姿態(tài)的結(jié)構(gòu)非緊湊的運(yùn)動(dòng)目標(biāo)影響模型檢測(cè)精度的問(wèn)題，本文進(jìn)一步提出并研究了基于局部結(jié)構(gòu)和鄰域結(jié)構(gòu)的雙層結(jié)構(gòu)融合模型。該模型包含四部分:復(fù)合模板集、鄰域高斯結(jié)構(gòu)、雙層時(shí)空統(tǒng)計(jì)匹配和雙層結(jié)構(gòu)融合。雙層結(jié)構(gòu)融合模型在局部結(jié)構(gòu)的基礎(chǔ)上，

3、加入目標(biāo)的鄰域結(jié)構(gòu)約束。對(duì)局部結(jié)構(gòu)和鄰域結(jié)構(gòu)分別進(jìn)行時(shí)空匹配，再對(duì)兩個(gè)匹配相似度進(jìn)行統(tǒng)計(jì)，最后將統(tǒng)計(jì)結(jié)果進(jìn)行融合和分析提取。
　　本文針對(duì)時(shí)空局部結(jié)構(gòu)統(tǒng)計(jì)匹配模型與Hae.Jeo Seo模型開(kāi)展了運(yùn)動(dòng)目標(biāo)檢測(cè)對(duì)比實(shí)驗(yàn)，結(jié)果表明該模型能有效解決待測(cè)視頻場(chǎng)景受到模板背景約束的問(wèn)題。本文針對(duì)雙層結(jié)構(gòu)融合模型與S-CNN等模型開(kāi)展了標(biāo)準(zhǔn)庫(kù)中的檢測(cè)對(duì)比實(shí)驗(yàn)，結(jié)果表明該模型對(duì)非緊湊型運(yùn)動(dòng)目標(biāo)檢測(cè)有魯棒性，且與監(jiān)督方法比，本文使用簡(jiǎn)單模板集也能