基于卷积神经网络的运动车辆视频检测方法

摘要

运动车辆的检测现已采用视频检测技术,然而传统的高斯混合模型检测算法对背景环境过于敏感,光照变化、树叶的扰动都可能误检为运动车辆.为此,文中在介绍高斯混合模型建模、卷积神经网络的机理基础上,提出了一种高斯混合模型与卷积神经网络(CNN)结合的运动车辆检测方法:采用高斯混合模型对运动目标进行检测,通过车辆样本空间训练卷积神经网络模型,再用卷积神经网络对所检测出的运动区域目标特征提取,以区分出车或非车.经实际道路视频测试表明:与常用的稀疏编码(SC)和尺度不变特征转换(SIFT)特征提取方法相比,该算法的运动车辆检测的准确率分别提高了3.6％和7.9％.