基于自适应背景模型的运动目标检测

针对运动目标检测中背景模型的提取和更新,本文首先提出了基于改进K-均值聚类算法的背景提取方法。该方法给出了动态三元组(DTDG)的概念,并且对每个像素用3个动态三元组进行建模,实现了原始背景的提取。其次,提出了一种新颖的自适应背景建模方法。对每个像素维护一个新的动态三元组,根据像素的动态变化信息决定更新策略,实现了背景的自动更新,可以适应光照的突变、缓变和场景本身的变化。实验验证了该方法的有效性。

基于深度度量学习的足迹图像检索算法

针对赤足迹光学图像相似度高,传统算法无法快速提取样本有效信息的问题,提出了一种基于深度度量学习的赤足迹图像检索算法,该算法使用多尺度特征融合结构构建主干网络并辅以批去除结构监督学习,同时在嵌入空间内构建动态难样本三元组,解决传统难样本三元组挖掘方式不合理的问题。构建了一个包含250人、2 500枚的赤足迹光学图像数据集,该算法在所构建的数据集上平均检索精度达到88.86%,高于传统难样本三元组算法,可有效地应用于赤足迹光学图像检索。该算法对于足迹领域的自动化识别具有积极意义。