基于域内规划的类质心匹配迁移学习算法研究

针对森林火灾烟雾数据集小,模型获取困难问题,采用类质心匹配和局部流行自学习迁移学习算法,解决缺乏标签数据的烟雾检测任务。算法将目标域中同一簇内的样本视为整体而不是个体,通过类质心匹配为目标簇分配伪标签。为了充分利用目标域数据结构,引入域内规划法,从域中学习判别性传递信息。基于卫星遥感图像与视频影像图像数据集对该模型进行评估,与普通类质心匹配算法相比,文中算法在视频影像图像上的准确率提高了4.50%,在卫星遥感图像上的准确率提高了6.50%,且在迭代次数为5次时就已经收敛。     

基于帧间差分和金字塔LK光流法的运动目标检测

针对用于运动目标检测的光流算法存在处理复杂、计算量大等问题,提出一种帧间差分算法和金字塔LK光流法相结合的运动目标检测方案.该方法先对视频图像进行帧间差分处理,得到图像的运动区域,再对该运动区域进行金字塔LK光流计算,减少了计算区域,提高目标检测的速度.最后在搭建的视觉避障平台上使用LabVIEW语言进行算法程序验证,实验结果证明了算法的有效性.