论文摘要
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%。
论文目录
文章来源
类型: 期刊论文
作者: 詹昭焕,韩松臣,李炜,余丽莎
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
来源: 交通信息与安全 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 航空航天科学与工程,计算机软件及计算机应用,自动化技术
单位: 四川大学空天科学与工程学院,四川大学国家空管自动化系统技术重点实验室
基金: 国家自然科学基金项目(61403065),中央高校基本科研业务费专项资金项目(YJ201450),四川省应用基础研究项目(2015JY0084)资助
分类号: V351;TP391.41;TP18
页码: 49-57
总页数: 9
文件大小: 1164K
下载量: 262