中文核心期刊
中国科技论文统计源期刊
国际刊号:1005-2615
国内刊号:32-1429/V
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式ʽ
  • 主管:工业和信息化部
  • 主办:南京航空航天大学
  • 国际刊号:1005-2615
  • 国内刊号:32-1429/V
  • 地址:南京市御道街29号
  • 电话:025-84892726
  • 传真:025-84892726
  • E-mail:tnc01@nuaa.edu.cn
  • 邮编:210016
刘峰,居昊,干宗良.基于全卷积孪生神经网络的复杂监控场景下前景提取方法[J].南京航空航天大学学报,2021,53(5):743-750
基于全卷积孪生神经网络的复杂监控场景下前景提取方法
Fully-Convolutional Siamese Networks for Foreground Subtraction in Complex Surveillance Videos
投稿时间:2020-09-07  修订日期:2020-11-07
DOI:10.16356/j.1005-2615.2021.05.011
中文关键词:  前景提取  度量学习  孪生神经网络  复杂监控场景
英文关键词:foreground subtraction  metric learning  siamese network  complex surveillance videos
基金项目:
作者单位邮编
刘峰 江苏省图像处理与图像通信重点实验室南京 210003
南京邮电大学教育科学与技术学院南京 210003 
210003
居昊 江苏省图像处理与图像通信重点实验室南京 210003
南京邮电大学通信与信息工程学院南京 210003 
210003
干宗良 江苏省图像处理与图像通信重点实验室南京 210003
南京邮电大学通信与信息工程学院南京 210003 
210003
摘要点击次数: 80
全文下载次数: 138
中文摘要:
      由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。
英文摘要:
      Due to factors such as illumination changes, camera jitter and dynamic background, existing foreground subtraction algorithms cannot achieve good segmentation results in complex scenes. To solve this kind of problems, this paper proposes a subtraction algorithm based on a fully convolutional siamese neural network, which can accurately segment the foreground with only two arbitrary frames. Specifically, the input two images are divided into the base image and the image to be segmented. The algorithm uses the fully-convolutional siamese network to get the similarity metric map of input frames. The similarity metric map contains information about changes in pixels of the image to be segmented relative to the base image. Then, the similarity metric map is fused with the image to be segmented, and the encoder-decoder network is used to achieve end-to-end foreground subtraction results. The paper evaluates the proposed algorithm on the CDnet2014 dataset to prove its effectiveness.
[HTML]  查看全文  查看/发表评论  下载PDF阅读器
关闭

Copyright @2010-2015《南京航空航天大学学报》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892726      传真:025-84892726       E-mail:tnc01@nuaa.edu.cn

您是本站第3864755位访问者 本站今日一共被访问1724

技术支持:北京勤云科技发展有限公司

敬请关注《南航学报》官方微信