基于RBF神经网络的复杂背景下的运动目标检测*) (2007年)

由于运动摄像机的存在使得复杂背景下的运动目标检测问题更加复杂，根据场景中目标与背景具有不同的运动、任意场景可以分成不同的运动区域这一基本事实，提出一种新的基于RBF神经网络的运动目标检测算法。运动补偿后求参考帧与补偿后的当前帧之间的光流，联合当前像素坐标及其灰度值得到五维特征向量作为RBF网络的输入，RBF网络学习算法通过最小化由Bayesian理论和能量最小化理论导出的损失函数实现。学习矢量量化方法修正网络的中心，收敛后网络的输出就是运动目标区域。试验结果证明了算法的有效性。