摘要
本发明提供了一种基于深度神卷积经网络和深度学习网络的运动目标检测方法,包括:S1、获取第一图像,输入到Yolov7网络,生成多个检测框的位置信息;S2、获取与第一图像相邻帧的第二图像,将第一图像和第二图像输入到FlowNet2.0网络,计算第一图像与第二图像之间的光流向量;S3、计算每个检测框内目标的所有像素位移的均值和每个检测框内目标的所有像素位移角度的均值;S4、对每个检测框进行扩大,生成背景框;S5、计算每个背景框内的所有像素位移的均值和每个背景框内的所有像素位移角度的均值;S6、计算第一优化指标和第二优化指标;S7、计算局部背景的运动变化值,并设定判定函数,判断检测框内的目标是否为运动目标。本发明能够提高运动目标检测的精度。
技术关键词
像素
深度学习网络
运动
深度卷积神经网络
图像
计算机执行指令
指标
计算机存储介质
幅值
速度
生成光
精度
系统为您推荐了相关专利信息
轨迹
车辆周围环境
人工神经网络
规划
机器学习模型
信息处理装置
物体
控制单元
接口
计算机程序产品
语义向量
多尺度语义特征
归一化模块
计算机执行指令
网络
运动控制模型
机器人运动控制
模型训练方法
训练机器人
解码网络
水电站
故障诊断模型
管理方法
距离信息
图像识别模型