脉冲神经网络在运动目标检测中的应用.docVIP

脉冲神经网络在运动目标检测中的应用 　　摘 要:近几年,在智能监控系统中,广泛应用了基于生物视觉原理的运动目标检测与跟踪计算模型。这里提出一种基于神经轴突延迟机制,利用脉冲神经元网络模型对运动目标进行检测与跟踪的算法,该神经网络模型是利用轴突延迟脉冲神经网络模拟人类的视觉特性,从而提取运动目标,并具体分析脉冲神经元网络算法的实际意义。实验结果表明,该算法能够动态并行地进行运动目标提取,可通过硬件实现而应用于监控系统中。 　　关键词:脉冲神经网络; 轴突延迟; 运动检测; 生物视觉 　　中图分类号:TP183;TP391文献标识码:B 　　文章编号:1004-373X(2010)08-0145-03 　　 　　Application of Pulse Neural Network in Moving Target Detection 　　LIN Mei-yan,WU Qing-xiang,CAI Rong-tai,GUO Hong-ying 　　(School of Physics and Opto-electronic Technology,Fujian Normal University,Fuzhou 350007,China) 　　Abstract:In recent years, the moving target detection and tracking computational models based on biological visual principle are widely used in intelligent surveillance systems. An algorithm for moving object detection and tracking by means of the pulse neuroid model based on the principle of axonal delay is proposed. The neural network model simulates the visual characteristics of the human visual system by axons delay pulse neural network in order to extract the moving target and anlyse the actual significance of pulse neuroid algorithm. The results show that the algorithm can dynamically extract moving objects in a parallel architecture, and can be applied in surveillance systems to extract the moving objects if it is implemented in hardware. 　　Keywords: pulse neural network; axons delay; motion detection; biological visual 　　 　　0 引 言 　　智能化视频监控系统是近年来计算机视觉领域中一个新兴的应用方向[1]。智能化视频监控系统是利用计算机视觉技术对摄像机采集的视频图像进行处理分析,并将人工智能方法应用于系统中,以提高智能水平的,其目标是要使视频监控系统具有像人一样的智能。如果单用图像处理技术很难达到人们想要的智能,因此科学家们就将人工智能技术与图像视频处理技术相结合,用到智能监控系统中。利用计算机视觉技术实现目标的检测与跟踪,是目前智能化视频监控系统中的热门研究课题[1-2]。 　　目前,在视频检测与跟踪系统的关键技术中,已提出了许多有效的算法,如光流法、模式匹配法、邻帧差分法、背景帧差分法等。光流法和模式匹配法的计算复杂、耗时,不利于实时检测;邻帧差分法的运算简单,实时性强,利于安全区域的检测,但对目标的运动速度要求高(太慢则检测不到运动目标,太快又会使得分割区域远大于真实目标),背景帧差分法的计算量小,一般能够提供最完整的特征数据,运动物体检测效果较好,但受光线、天气等外界条件的影响较大,需要一个好的参考背景[2]。然而这些方法都不能同时在精确度、实时性上达到实际应用要求。众所周知,人脑采用脉冲神经网络,既具有并行分布式处理特点和高速处理能力,又因具有高度容错性,允许目标图像出现背景模糊和局部残缺,并可降低对图像尺寸、平移、旋转等方面的敏感性,从而有很好的视觉跟踪性能和实时能力[3]。因此提出一种基于脉冲神经网络进行检测与跟踪运动