【技术实现步骤摘要】
一种基于Vibe算法和人工神经网络检测方法和系统
[0001]本专利技术涉及计算机视觉领域,更具体地,涉及一种基于Vibe算法和人工神经网络检测方法和系统。
技术介绍
[0002]计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息,就像人类和许多其他类生物每天所做的那样。
[0003]计算机视觉是一门关于如何运用照相机和计算机来获取我们所需的,被拍摄对象的数据与信息的学问。形象地说,就是给计算机安装上眼睛(照相机)和大脑(算法),让计算机能够感知环境。计算机视觉既是工程领域,也是科学领域中的一个富有挑战性重要研究领域。计算机视觉是一门综合性的学科,它已经吸引了来自各个学科的研究者参加到对它的研究之中。其中包括计算机科学和工程、信号处理、物理学、应用数学和统计学,神经生理学和认知科学等。
[0004]计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号,纹理和颜色建模,几何处理和推理,以及物体建模。随着计算机技术的不断发展,计算机视觉的功能已日益完善,能执行不同的检测任务。其中,检测运动目标为计算机视觉领域中一项关键性任务。现有的计算机视觉检测运动目标的方式大多仅仅基于神经网络,通过神经网络对监控图像进行识别。这种基于神经网络的检测方式在图片光照,清晰度以及运动目标尺寸等条件都较好的情况下,确实能取得比较不错的效果。然而,真实的应用场景往往是光照弱,清晰度低,并且运动目标尺寸大小不一,而在这些 ...
【技术保护点】
【技术特征摘要】
1.一种基于Vibe算法和人工神经网络检测方法,其特征在于,包括:获取运动目标的监控图像;基于Vibe背景建模算法对所述监控图像进行特征提取,得到第一特征图像;所述特征为运动目标的特征;所述第一特征图像为运动目标图像;基于生成式对抗网络对所述第一特征图像进行超分辨率重构,得到第二特征图像;基于神经网络对所述第二特征图像进行运动目标识别。2.根据权利要求1所述的一种基于Vibe算法和人工神经网络检测方法,其特征在于,基于Vibe背景建模算法对所述监控图像进行特征提取,得到第一特征图像,包括:选取所述监控图像的单帧图像进行背景建模,得到背景模型;利用所述背景模型的像素点从所述监控图像中提取前景像素点;对所述前景像素点进行膨胀处理;将不同的膨胀处理后的所述前景像素点融合,得到连通域;计算所述连通域对应的最小外接矩形,得到所述运动目标图像。3.根据权利要求1所述的一种基于Vibe算法和人工神经网络检测方法,其特征在于,所述生成式对抗网络基于ESRGAN算法和Wasserstein loss建立。4.根据权利要求3所述的一种基于Vibe算法和人工神经网络检测方法,其特征在于,所述生成式对抗网络的损失函数为:其中,l
SR
为整体的损失函数,λ
mse
为均方误差权重系数,λ
perc
为感知损失权重系数,λ
gen
为对抗损失权重系数;所述其中,为生成的高分辨率图与标签高分辨率图像素之间的均方差损失,E为期望,为标签高分辨率图像坐标为(x,y)处的像素值,G
θ
()为神经网络高分辨率图像生成器,G
θ
(I
LR
)
x,y
为生成的高分辨率图像(x,y)坐标处的像素值,I
LR
为低分辨率图像,x为图像像素的横坐标,y为图像像素的纵坐标;所述其中,为感知损失,φ()为神经网络特征提取器,I
SR
为标签高分辨率图像;所述其中,为生成的高分辨率图与标签高分辨率图判别置信度之间的差值,D
w
()为判别器。5.根据权利要求1所述的一种基于Vibe算法和人工神经网络检测方法,其特征在于,所述神经网络的损失函数为:其中,N为训练样本数量,e为自然对数的底数,s为决策面参数的模与样本特征向量的模之间的积,θ
yi
为样本特征向量与标签决策面之间的夹角,yi为第i个类别,k为类别总数,m
和m2为常数,m>0,m2<0。6.一种基于Vibe算法和人工神经网络检测系统,...
【专利技术属性】
技术研发人员:姜明远,邱述洪,童荪,甘海华,
申请(专利权)人:联通广东产业互联网有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。