您的位置 首页 动态

在曩昔十年里,CMOS图画传感器技能通过接连改善和不断提高,现已使其从首要服务于低端商场转移到一些要求最严苛的高性能“> 在曩昔十年里,CMOS图画传感器技能通过接连改善和不断提高,现已使其从首要服务于低端商场转移到一些要求最严苛的高性能

运动目标检测是视频图像跟踪与识别系统中的关键技术,在视频监控、交通流量统计、人机交互、机器人等领域有着广泛的应用。目前常用的方法有帧差法、背景减法、光流法等,其中帧差法和背景减法适用于摄像机静止时运.

运动方针检测是视频图画盯梢与识别系统中的关键技术,在视频监控、交通流量核算、人机交互、机器人等范畴有着广泛的使用。现在常用的办法有帧差法、布景减法、光流法等,其间帧差法和布景减法适用于摄像机停止时运动方针的检测,光流法则在摄像机移动时可以得到较好的检测作用。在运动方针检测的各种使用范畴中,对算法的实时性都有着很高的要求,因而,怎么进步运算速度以满意实时需求是科研人员需求处理的问题。
 细胞神经网络CNNs(Cellular Neural Networks)是一种具有并行处理才能的网状非线性电路模型[1],其根本单元称为细胞。细胞结构简略且细胞之间为部分互联,因而,便利超大规模集成电路(VLSI)完成,研制成功的细胞神经网通用机(CNN Universal Machine)已被证明具有图灵机的核算才能[2]。作为一种面向集成电路完成的神经网络,细胞神经网很好地结合了并行核算和并行结构,具有与人眼视网膜类似的结构,因而用细胞神经网来探究视觉核算和实时图画处理有着重要意义。当时细胞神经网主要用于实时图画处理范畴,在模式识别、仿生眼、自治机器人、信息安全、高档脑功用等研讨范畴也得到了成功的使用[3-5],并呈现了差值操控细胞神经网、含糊细胞神经网、多层细胞神经网、时滞细胞神经网等多种形式。
 本文首要给出了CNNs的根本概念并对其稳定性进行了剖析,然后针对运动方针检测常用的帧差法和光流法,给出了根据细胞神经网的完成办法,最终选用不同视频图画序列进行了仿真验证。


阈值化、滤波、空泛填充、边际估量、反向挑选等运算的CNNs模板可参考文献[7-8]。
4 根据CNNs的光流运动方针检测办法
 运动产生出光流,光流是运动信息的一个近似反映。根据光流办法的运动检测选用了运动方针随时间改变的光流特性,经过核算光流并对光流图画切割来检测运动方针。因为光流场中不同的物体会有不同的速度,因而,即便在摄像机存在运动的情况下也能检测出独立的运动方针。光流法的缺陷是核算办法杂乱、运算量大,因而很难使用于实时性要求较高场合。本文使用具有并行核算才能的细胞神经网完成光流场的估量。
4.1 接连时间域光流核算描绘
 细胞神经网是在接连时间域进行信息处理,因而首要考虑光流核算的接连时间域描绘办法。若图画中某像素m在时间t的灰度值为I(x,y,t),令点m的速度为Vm=(u,v),则Horn & Schunck光流核算模型,其光流矢量经过如下方程组求解:


4.2 仿真实验成果
 取highway图画序列检验所提出的光流运动检测办法。该图画序列是在摄像机移动条件下拍照的,序列中简直不存在停止方针。为得到较好检测作用,在光流核算之后(核算运动矢量幅值),顺次选用了滤波、阈值化、空泛填充、边际检测、杂点取出等一系列运算,CNNs光流法检测成果如图4所示。从仿真实验可以看出,所提出办法可以得到正确检测成果。

 本文针对常用的运动方针检测办法,探究了细胞神经网的完成办法,最终选用不同视频图画序列进行了仿真验证,成果证明了所提出办法的有效性。
参考文献
[1] CHUA L O, YANG L. Cellular neural network: theory[J]. IEEE Transactions on Circuits and Systems, 1988, 35(10):1257-1272.
[2] LINAN G, ESPEJO S, DOMINGUEZ C R. ACE4K: an analog I/O 64×64 visual microprocessor chip with 7-bit analog accuracy[J]. International Journal of Circuit Theory and Applications, 2002, 30(1):89-116.
[3] BALYA D, ROSKA B, ROSKA T, et al. A CNN framework for modeling parallel processing in a mammalian retina[J]. International Journal of Circuit Theory and Applications, 2002, 30(2):363-393.
[4] ARENA P, BASILE A, FORTUNA L. CNN wave based computation for robot navigation planning[M]. Proceedings of the 2004 International Symposium on Circuits and Systems, 2004:500-503.
[5] PETRAS I, ROSKA T. Application of direction constrained and bipolar waves for pattern recognition[C]. Proceedings of the 6th IEEE International Workshop on Cellular Neural Networks and their Applications, Catania, Italy, 2000:3-8.
[6] SLAVOVA A. Applications of some mathematical methods in the analysis of cellular neural networks[J]. Journal of Computational and Applied Mathematics, 2000, 114(6): 387~404.
[7] 鞠磊,郑德玲,翁贻方.根据细胞神经网的快速图画切割办法[J].北京工商大学学报(自然科学版),2005,23(9):32-34,39.
[8] 鞠磊,郑德玲,张蕾.根据差值操控细胞神经网络图画滤波器[J].北京科技大学学报,2005,27(6):375-379.

声明:本文内容来自网络转载或用户投稿,文章版权归原作者和原出处所有。文中观点,不代表本站立场。若有侵权请联系本站删除(kf@86ic.com)https://www.86ic.net/news/dongtai/224570.html

为您推荐

联系我们

联系我们

在线咨询: QQ交谈

邮箱: kf@86ic.com

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

返回顶部