Resumen

Proponemos un nuevo método de inteligencia computacional que utiliza el flujo óptico wavelet y un clasificador híbrido lineal-no lineal para la detección de objetos. Con los métodos de flujo óptico existentes, es difícil estimar con precisión objetos en movimiento con velocidades diversas. Proponemos un método de flujo óptico basado en wavelets, que utiliza la descomposición wavelet en la estimación del movimiento del flujo óptico. El algoritmo puede detectar con precisión objetos en movimiento con velocidades variables en una escena. Además, utilizamos el clasificador híbrido lineal-no lineal (HLNLC) para clasificar los objetos en movimiento y el fondo estático. El HLNLC transforma una variable escalar no óptima en su cociente de verosimilitud y utiliza una cantidad escalar como variable de decisión. Este enfoque es apropiado para la clasificación de vectores de características de flujo óptico con matrices de varianza desiguales. Los resultados experimentales confirman que el método de detección de objetos propuesto mejora la precisión y la eficiencia computacional de otros métodos de vanguardia.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:objetos, clasificador no lineal, nuevo método de inteligencia computacional, vectores de características de flujo óptico, estimación de movimiento de flujo óptico, variable escalar no óptima, método de detección de objetos, método de flujo óptico, métodos de flujo óptico, matrices de varianza desigual
• Keywords:objects, nonlinear classifier, new computational intelligence method, optical flow feature vectors, optical flow motion estimation, nonoptimal scalar variable, object detection method, optical flow method, optical flow methods, unequal variance matrices