一种基于神经网络的前景物体运动状态分析方法

摘要

本发明公开了一种基于神经网络的前景物体运动状态分析方法，将采集的视频经过高斯混合模型进行前景提取；采用深度学习中的SSD模型将提取出的前景进行目标分类，得到各个前景物体的类别信息；利用SIFT特征匹配算法得到相邻帧的前景物的对应信息；基于前景的质心计算其运动轨迹，利用RNN时空序列模型分析其运动状态以及对下一时刻物体运动状态进行预判。本发明从速度、实用、鲁棒性等方面考虑，提出了一种基于运动目标重心分析的新思路，适用于视频图像序列中场景复杂的情况下对监控视频范围内出现的运动物体进行准确识别、跟踪并预警，实用价值高，具有广阔的应用前景。