技术总结
一种基于图像显著性和特征先验模型的视频目标检测方法，根据输入正负样本训练卷积神经网络，作为目标的特征先验模型；提取图像序列中某一图像帧的显著性区域，聚类得到显著性候选框；将显著性候选框输入特征先验模型，预测目标位置，以实现图像帧中的目标检测；利用特征先验模型在显著性候选框中定位关键点，利用L‑K稀疏光流方法对关键点计算，预测目标运动方向；在图像帧中，提取满足运动方向约束与置信度阈值的候选，作为新的正负样本，输入并更新特征先验模型；针对所述图像序列中的每个图像帧，重复步骤，实现图像序列的目标检测。本发明实现了目标的检测，且具有抗干扰能力强、检测精度高、实时性能好的特点，增强了目标检测系统的工程应用能力。
技术研发人员：张弘;张泽宇;李军伟;杨一帆
受保护的技术使用者：北京航空航天大学
技术研发日：2017.12.25
技术公布日：2018.11.13