复杂背景下红外视频多目标检测

问题描述

复杂背景下红外视频多目标检测
 本人的视频是:夜晚城市路面的 **红外** 视频,高架桥上下各有路,路面交错穿插,有车,有行人。高架桥旁边有高楼建筑!视频不是静止的,拍摄的摄像头有时候是在旋转拍摄,旋转无规律,可向左或向右,并伴随一定的上下抖动!
 要求是:检测出所有移动目标,包括行人。
 我在做检测分析的时候,对静止的背景下目标检测没有问题,但对背景移动的情况下目标检测会出现很多误检目标,也就是错把建筑上比较亮、特征明显的地方检测成为目标。
 我采用的方法是:基于OpenCV的光流检测算法!
 请问,如何能够去除背景移动时的误检点?以及如何把弱小目标检测出来?
时间: 2024-11-01 03:10:41

复杂背景下红外视频多目标检测的相关文章

ILSVRC2016目标检测任务回顾——视频目标检测(VID)

雷锋网(公众号:雷锋网)按:本文作者王斌,中科院计算所前瞻研究实验室跨媒体计算组博士生,导师张勇东研究员.2016年在唐胜副研究员的带领下,作为计算所MCG-ICT-CAS团队核心主力队员(王斌.肖俊斌),参加了ImageNet大规模视觉识别挑战赛(ILSVRC)的视频目标检测(VID)任务并获得第三名.目标检测相关工作受邀在ECCV 2016 ImageNet和COCO竞赛联合工作组会议(ImageNet and COCO Visual Recognition Challenges Joint

一文读懂深度学习框架下的目标检测(附数据集)

从简单的图像分类到3D位置估算,在机器视觉领域里从来都不乏有趣的问题.其中我们最感兴趣的问题之一就是目标检测. 如同其他的机器视觉问题一样,目标检测目前为止还没有公认最好的解决方法.在了解目标检测之前,让我们先快速地了解一下这个领域里普遍存在的一些问题. 目标检测 vs 其他计算机视觉问题图像分类 在计算机视觉领域中,最为人所知的问题便是图像分类问题. 图像分类是把一幅图片分成多种类别中的一类.  ImageNet是在学术界使用的最受欢迎的数据集之一,它由数百万个已分类图像组成,部分数据用于Im

目标检测101:一文带你读懂深度学习框架下的目标检测

从简单的图像分类到3D位置估算,在机器视觉领域里从来都不乏有趣的问题.其中我们最感兴趣的问题之一就是目标检测. 如同其他的机器视觉问题一样,目标检测目前为止还没有公认最好的解决方法.在了解目标检测之前,让我们先快速地了解一下这个领域里普遍存在的一些问题. 目标检测 vs 其他计算机视觉问题图像分类 在计算机视觉领域中,最为人所知的问题便是图像分类问题. 图像分类是把一幅图片分成多种类别中的一类. ImageNet是在学术界使用的最受欢迎的数据集之一,它由数百万个已分类图像组成,部分数据用于Ima

从零开始码一个皮卡丘检测器-CNN目标检测入门教程(上)

本文先为大家介绍目前流行的目标检测算法SSD (Single-Shot MultiBox Object Detection)和实验过程中的数据集.训练.测试过程及结果参见<从零开始码一个皮卡丘检测器-CNN目标检测入门教程(下)> 目标检测通俗的来说是为了找到图像或者视频里的所有目标物体.在下面这张图中,两狗一猫的位置,包括它们所属的类(狗/猫),需要被正确的检测到. 所以和图像分类不同的地方在于,目标检测需要找到尽量多的目标物体,而且要准确的定位物体的位置,一般用矩形框来表示. 在接下来的章

间谍卫星的基础?YOLT——利用卷积神经网络对卫星影像进行多尺度目标检测(Part I)

本文由北邮@爱可可-爱生活 老师推荐,阿里云组织翻译. 以下为译文:  利用卷积神经网络,对于卫星影像中多尺度目标检测而言,你只需要看两次(Part I) 在大片物体中检测小物体一直是卫星图像分析感兴趣的主要点之一.早期的工作是利用本地滑动窗和HOG特征描述确定船的位置,但存在的缺点是高度不均匀背景下分辨不清晰.为了解决这一问题,实现了一种基于"你只要看两眼"的物体检测流水线,该方法极大的提高了背景区分,并能够在不同尺度和多个传感器上快速检测出物体. 1 卫星图像目标检测概述 卫星图像

大数据背景下我国网络意识形态建设论析

随着智能终端.网络存储.高速宽带.云计算等技术创新应用的普及,人类社会进入大数据(Big Data)时代.以内容的视角看,大数据就是大规模数据或海量数据,具有体量巨大.类型多样.产生速度快.价值含量大等特点,包括不同来源.不同结构.不同媒体形态的各种数据内容,冲破传统的结构化数据范畴,囊括了半结构化和非结构化数据.以技术的视角看,大数据就是运用新技术.新手段对海量数据进行的采集.存储.分析.整合和控制.大数据给人类社会的发展和进步注入了新的动力,也改变了人类的生存和发展环境.在大数据趋势下,互联

复旦大学Ph.D沈志强:用于目标检测的DSOD模型

目标检测作为一个基础的计算机视觉任务,在自动驾驶.视频监控等领域拥有非常广泛的应用前景.目前主流的目标检测方法都严重依赖于在大规模数据集(如ImageNet)上预训练初始模型.而在DSOD: Learning Deeply Supervised Object Detectors from Scratch这篇论文中,作者通过分析深度检测模型从头训练存在的问题,提出了四个原则,他们根据这些原则构建了DSOD模型,该模型在三个标准数据集(PASCAL VOC 07, 12和COCO)上都达到了顶尖的性

MFC+Opencv做实时视频移动目标检测

问题描述 MFC+Opencv做实时视频移动目标检测 这段时间在用visual studio2013-MFC+opencv2.4.8,结合USB摄像头采集视频信号,做实时的移动目标检测,不知道各位大神有什么好的建议?小弟求助,急... 解决方案 http://wenku.baidu.com/link?url=LyF1VdJBCtvWeE4a8xIx38AWaxqecDwe1oxyv8Y5hmR0qy2o43qcxoIt_UXLttsEW1nxHOxo3WenPoTbWrqOOs6pLyJDk0m

《中国人工智能学会通讯》——11.13 三维目标检测与模型重建一体化算法

11.13 三维目标检测与模型重建一体化算法 学界在三维目标检测识别和三维模型重建两个方向均开展了大量研究,现有三维目标识别算法大多采用基于模型的策略,需要预先得到感兴趣目标的三维模型[7] ,而现有三维模型重建算法均只应用于单个物体的点云,尚无法从多个包含背景的场景点云中重建出独立的三维物体.针对此,本文在假定目标在场景中存在移动的前提下,提出一种新的三维模型重建.目标检测及姿态估计一体化算法[8] .该算法可在无先验知识的情况下检测出场景中的未知目标,并从包含背景的点云中完成目标的三维模型重