基于深度自编码网络的运动目标检测.pdfVIP

JournalofComputerApplications ISSN 10o1—9081 2014．1O一10 计算机应用，2014，34(10)：2934—2937，2962 CODENJYIIDU http：／／www．joca．ca 文章编号：1001—9081(2014)10—2934—04 doi：10．11772／j．issn．1001-9081．2014．10．2934 基于深度 自编码网络的运动 目标检测 徐 培 ，蔡小路，何文伟，谢易道 (电子科技大学计算机科学与工程学院，成都 611731) ( 通信作者电子邮箱xupei268@sina．corn) 摘 要：针对从动态背景中提取前景效果较差的问题，提出了一种基于深度 自编码网络的运动 目标检测方法。 首先，用一个三层的深度 自编码网络从视频图像 中提取不包含运动 目标的背景图像 ，将背景图像作为变量构造了深 度 自编码网络的代价函数；然后 ，构造了一个分离函数得到了输入图像的背景图像，再用另一个三层的深度 自编码 网 络学习提取出的背景图像；为了使深度 自编码网络的学习能够在线地提取运动 目标，还提 出了一种在线学习算法，通 过寻找对代价函数敏感度较低的权重进行合并，从而能够对更多的视频图像进行处理。实验结果表明，所提方法在 从动态背景中提取 出前景运动 目标上相比Lu等的前景检测的工作 (LUC，SHIJ，JIAJ．Onlinerobustdictionary learning．Proceedingofthe2013IEEE Conferenceon ComputerVisionandPattern Recognition，Piscataway：IEEE Press， 2013：415—422)检测的准确率提高了6％，并且误报率降低了4．5％。在实际的应用中，能够获得更好的前景背景分 离效果，为视频分析等方面的研究奠定更好的基础。 关键词：运动 目标检测；视频图像；深度 自编码网络；在线学习；代价函数敏感度 中图分类号：TP391．413 文献标志码：A M otion detectionbasedon deep auto-encodernetworks XU Pei ．CAIXiaolu．HEWenwei。XIE Yida0 (SchoolofComputerScienceandEngineering,UniversityofElectronicScienceandTechnologyofChina，ChengduSwhuan611731，China) Abstract：Toaddressthepoorresultsofforeground extractionfrom dynamicbackrgound，amotiondetection method basedondeepauto-encodernetworkswasproposed．Firstly，backrgoundimageswithoutcontainingmotionobjectswere subtractedfrom videoframesusingathree．．1ayerdeep auto—encodernetwork whosecostfunctioncontainedbackground as variable．Then，anotherthree—layerdeepauto—encodernetworkwasusedtolearnthesubtractedbackrgoundimageswhichare obtainedbyconstructedsepraatingfunction．Toachieveonlinemotiondetectionthroughdeepauto—encoderlearning，anonline