基于深度卷积神经网络的运动目标光流检测方法

运动目标检测是物体检测领域的一个重要研究方向，在目标识别中有着至关重要的作用。针对传统运动检测方法精度不高、无法对运动目标进行检测，本文将深度卷积神经网络引入到运动目标光流检测中，将前后帧图像及目标光流场图像作为网络的输入，自适应地学习运动目标光流，并通过对网络放大架构的优化及网络的精简，同时采用数据增广等技术，设计出精度与实时性兼顾的目标物体光流检测网络。实验结果表明，本文方法在运动目标的光流场检测中有更好的表现，SS-sp和CS-sp网络相比原网络在检测精度上均提高了约5.0%，同时大幅减少了网络的运行时间，基本满足实时检测的要求。