基于运动信息的监控视频飞鸟目标检测算法
计算机视觉与模式识别
2024-08-30 v3
摘要
针对监控视频中目标在单帧内特征不明显且目标尺寸小（低信噪比（SNR））的问题，提出了一种基于运动信息的飞鸟目标检测（FBOD-BMI）算法。首先，设计ConvLSTM-PAN模型结构以捕获可疑飞鸟目标，其中卷积长短期记忆（ConvLSTM）网络在模型输入前聚合相邻多帧中飞鸟目标的时空特征，路径聚合网络（PAN）定位可疑飞鸟目标。然后，利用目标跟踪算法跟踪可疑飞鸟目标并计算其运动范围（MR）。同时，根据其移动速度自适应调整可疑飞鸟目标的MR大小（具体而言，若鸟移动缓慢，则根据其速度扩展MR，以确保检测飞鸟目标所需的环境信息）。生成飞鸟目标的自适应时空立方体（ASt-Cubes），以提升飞鸟目标的SNR，并自适应保留必要的环境信息。最后，设计基于ASt-Cubes的轻量U形网络（LW-USN）检测飞鸟目标，其剔除可疑飞鸟目标的误检并返回真实飞鸟目标的位置。在无人工值守的牵引变电站采集包含飞鸟的监控视频作为实验数据集以验证算法性能。实验结果表明，本文提出的基于运动信息的飞鸟目标检测方法能有效检测监控视频中的飞鸟目标。
引用
@article{arxiv.2301.01917,
title = {Flying Bird Object Detection Algorithm in Surveillance Video Based on Motion Information},
author = {Ziwei Sun and Zexi Hua and Hengcao Li and Haiyan Zhong},
journal= {arXiv preprint arXiv:2301.01917},
year = {2024}
}