本文關(guān)鍵詞：深度學習在仿生眼監(jiān)控系統(tǒng)中的應用

  更多相關(guān)文章： 目標檢測 卷積神經(jīng)網(wǎng)絡(luò) 深度學習 仿生眼

【摘要】：在視頻監(jiān)控系統(tǒng)中,由于受到復雜的背景、環(huán)境光線變化以及設(shè)備本身性能的限制,導致目標檢測算法設(shè)計難度的加大,而傳統(tǒng)的目標檢測算法通常依賴于人工選擇特征,難以從海量的數(shù)據(jù)中自動學習得到一個有效的分類器。基于深度學習算法,構(gòu)建了一個卷積神經(jīng)網(wǎng)絡(luò),并利用仿生眼視頻監(jiān)控系統(tǒng)中采集的人、車圖像進行訓練,在此基礎(chǔ)上設(shè)計若干實驗對深度學習網(wǎng)絡(luò)特性進行分析,證明了訓練集中各個類別樣本的分布以及小樣本訓練的情況下對深度學習的訓練結(jié)果會造成較大的影響。
【作者單位】： 河南理工大學電氣工程與自動化學院自動化系;
【關(guān)鍵詞】： 目標檢測 卷積神經(jīng)網(wǎng)絡(luò) 深度學習 仿生眼
【基金】：河南省重點科技攻關(guān)項目(102102210197) 河南理工大學博士基項目(B2010-23)
【分類號】：TP391.41;TN948.6
【正文快照】： 在視頻監(jiān)控系統(tǒng)的圖像識別中,圖像的背景復雜、環(huán)境光線以及設(shè)備像素限制對成像效果造成了較大的影響,此外系統(tǒng)需要在識別目標受到遮擋的情況下快 速準確地進行識別,使得算法設(shè)計的難度加大。傳統(tǒng) 的目標檢測算法通常依賴于人工選擇的特征,難以從 海量數(shù)據(jù)中學習得到一個有效

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓東日;李黃司;徐俊;;采用本征濾波的自適應雜波抑制和動目標檢測算法[J];雷達與對抗;1991年01期

2 蔣文濤;朱紅松;呂俊偉;楊曙輝;;傳感器網(wǎng)絡(luò)中基于相關(guān)性的協(xié)同目標檢測算法[J];儀器儀表學報;2012年06期

3 張兵,董臻,梁甸農(nóng);極化目標檢測算法性能評價研究[J];系統(tǒng)工程與電子技術(shù);2001年03期

4 種勁松,朱敏慧;SAR圖像艦船目標檢測算法的對比研究[J];信號處理;2003年06期

5 李濤;馮大政;夏宇垠;;基于廣義似然比的寬帶分布式目標檢測算法[J];系統(tǒng)工程與電子技術(shù);2009年12期

6 武昕;王巖飛;劉暢;;基于壓縮感知理論的隨機噪聲雷達目標檢測算法研究[J];電子與信息學報;2012年07期

7 龐存鎖;;基于離散多項式相位變換和分數(shù)階傅里葉變換的加速目標檢測算法[J];電子學報;2012年01期

8 曹學軍,李永禎,姜文利,莊釗文;一種改進的高分辨極化目標檢測算法[J];電子與信息學報;2002年07期

9 王仁武;匡華星;;一種新的目標檢測算法及其應用研究[J];雷達與對抗;2011年01期

10 陳德元;Q霉，

本文編號：779318