基于轻量化深度神经网络的监控视频中移动目标识别方法
高孟飞
马浩
郑州西亚斯学院计算机与软件工程学院 河南郑州 451100
摘要：当前监控视频中移动目标的识别方法缺乏对特定区域和目标位置关系的关注,在目标移动范围较大或不规则时,识别误差累积导致失准.为此,文章提出了一种基于轻量化深度神经网络的监控视频中移动目标识别方法.该方法通过提取词袋特征,构建可视化特征库,实现对监控视频目标的初步分类.将初步分类的结果作为输入,利用轻量化深度神经网络对背景特征进行深入学习,准确地区分出背景与移动目标.通过比较差分图像的像素值与设定的动态阈值,对图像进行二值化处理,以简化图像信息并突出移动目标.采用中值滤波器对二值化后的图像进行噪声抑制,进一步提升图像质量.在处理后的图像上,通过设定敏感区域并依据质心与边界关系启动识别处理,使识别过程更具针对性.只有当移动目标质心超出预设的敏感边界时才启动目标精准识别,确保识别精度,减少误差累积.实验结果表明,该方法能够成功识别出所有移动目标,并且在识别效果上表现良好.
关键词：轻量化深度神经网络监控视频移动目标识别二值化噪声处理
论文发表日期：2025-06-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 67-70 )