基于卷积Hopfield神经网络模型的视频目标检测方法

发布时间：2023-11-30 17:07

　　视频中运动目标检测是计算机视觉领域中一个重要研究方向,在智能监控,辅助驾驶,车辆跟踪,人机交互等生活场景中有极大的作用,具有广泛的应用前景。由于在视频信息采集过程中常常会出现很多复杂的情况,如摄像头的移动,背景移动,以及运动物体本身的非刚性形变等问题,给视频运动目标检测带来很大的困难。研究者针对这些问题提出了很多视频运动目标检测方法,但仍有很多不足之处。为了提高在视频中对运动目标检测的检测速率和准确率,本文模拟大脑视觉皮层信息的加工机制,以Hopfiled神经网络为基础,开展计算模型以及运动目标检测的研究。首先,给出了基于Hopfield神经网络的视频目标检测方法。将Hopfield神经网络的神经元和序列图像的像元相对应构建网络,利用Hopfield神经网络周围神经元和自身的循环反馈机制,能较好地利用上下文关系和时序信息获取视频中的时空信息;根据更为接近人类视觉系统认知机理的Hebb学习规则,实现无导师监督下对网络的权值系数进行调整,使得网络收敛稳定于平衡点,从而实现视频运动目标的有效检测。然后,提出了基于局部连接方式的Hopfield神经网络结构,建立了卷积Hopfield神经网络模...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 选题背景与研究意义
        1.1.1 选题背景
        1.1.2 研究意义
    1.2 目标检测的研究现状
    1.3 本文结构内容与组织结构
第二章 基于Hopfiled网络的目标检测方法
    2.1 视频中运动目标检测的方法简介
        2.1.1 传统的目标检测方法
        2.1.2 基于脑启发式的目标检测
    2.2 Hopfield神经网络简介
    2.3 基于Hopfield网络的目标检测方法
        2.3.1 Hopfield网络用于目标检测的模型构建
        2.3.2 Hopfield神经网络用于目标检测的实验结果分析
    2.4 本章小结
第三章 卷积Hopfield神经网络模型
    3.1 局部连接的Hopfield神经网络
        3.1.1 局部连接的HNN的选取和稳定性证明
        3.1.2 局部连接的HNN用作图像检测
        3.1.3 局部连接的HNN与全连接的HNN的对比
    3.2 卷积Hopfield神经网络
        3.2.1 网络单元的构建
        3.2.2 卷积HNN的学习方式
    3.3 卷积HNN用作视频目标检测
        3.3.1 运动目标检测网络的选取和构建
        3.3.2 测试结果对比
    3.4 本章小结
第四章 实验结果与分析
    4.1 全文数据总结
        4.1.1 数据集
        4.1.2 评估标准和计算方法
    4.2 实验结果分析
        4.2.1 本文方法实验结果与分析
        4.2.2 与其他方法对比结果分析
    4.3 本章小结
第五章 总结与展望
    5.1 全文工作总结
    5.2 工作展望
参考文献
致谢
附录：攻读学位期间发表的论文



本文编号：3868857