基于倾向流和深度学习的机场运动目标检测

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％.