典型文献
复杂背景下的移动目标检测算法
文献摘要：
为解决安防领域目标检测中复杂背景信息对检测系统的干扰并满足检测系统实时性的要求,提出一种基于深度学习在复杂背景下的移动目标检测算法.为减小复杂背景信息对检测系统的干扰,采用混合高斯背景建模算法(GMM)将视频图像中的前景与背景信息分离,提取出有效的前景位置信息.为提升算法模型的检测速度,采集数据集训练YOLOv4算法,接着将训练后的算法模型输入到剪枝网络进行模型剪枝,得到模型参数少、检测速度快的改进YOLOv4算法模型.最后,将GMM算法提取的前景位置信息作为改进的YOLOv4算法的检测输入,实现对复杂背景下移动目标的快速检测.根据实验结果所示,所提出的算法在测试数据上背景信息造成的误检降低了71.7％,检测时间减少了32.9％.实验结果表明,所提出的算法能够有效减少复杂背景信息对检测系统的干扰,同时算法具有较高的检测速度.
文献关键词：
移动目标检测;复杂背景;深度学习;混合高斯背景建模;前景信息;YOLOv4;安防
中图分类号：
作者姓名：
邬军;邓月明;何鑫;李小军;石韧
作者机构：
湖南师范大学 信息科学与工程学院,湖南 长沙 410081;湖南华诺星空电子技术有限公司,湖南 长沙 410221
文献出处：
引用格式：
[1]邬军;邓月明;何鑫;李小军;石韧-.复杂背景下的移动目标检测算法)[J].现代电子技术,2022(19):59-65
A类：
混合高斯背景建模
B类：
复杂背景,移动目标检测,目标检测算法,安防领域,背景信息,建模算法,GMM,视频图像,位置信息,算法模型,检测速度,采集数据,集训,YOLOv4,模型输入,模型剪枝,下移,快速检测,所示,测试数据,检测时间,前景信息
AB值：
0.229932
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
