基于图上信号处理的运动目标检测方法研究.pdf

基于图上信号处理的运动目标检测方法研究

摘要

在信息化社会中，以图片和视频为载体的信息呈现出爆炸式的增长。从这些海量

信息中获取有价值的数据一直是一个富有挑战性且具有实际应用价值的任务。运动目

标检测的目的是将视频中的有价值信息与静态背景分离，即将图像中的像素分为前景

和背景两类。尽管基于深度学习的运动目标检测算法已经取得了很好的成果，但近期

相关研究表明，在面对未学习过的视频（unseenvideos）时，这些算法的性能可能会有

所下降。同时，针对运动小目标，现有的方法也难以准确检测或无法准确地分割出小

目标边界，从而影响检测效果。因此，本文主要开展了以下工作：

(1)针对运动目标检测中大部分基于深度学习的方法在面对未学习过的视频时性能

显著下降的问题，提出了一种基于图神经网络与实例分割的运动目标检测方法。首先，

使用时间中值滤波器提取图像序列的背景，使用MaskR-CNN进行实例分割，并提取

目标实例的纹理、光流和像素强度特征。接着，将目标实例建模为图上节点，特征信

息嵌入为节点上的图信号。然后，运用图信号处理中的图神经网络算法GraphSAGE对

目标实例进行前景和背景的分类，并改进GraphSAGE的