Resumen

Para mejorar el efecto de detección de movimiento, se propone un algoritmo de modelado gaussiano para corregir agujeros y cortes causados por el método convencional de diferencia de fotogramas. El algoritmo propuesto utiliza un método de diferencia de tres fotogramas mejorado. Se selecciona una secuencia de imágenes de tres fotogramas con un intervalo de un fotograma para el cálculo de las diferencias en pares. Se utiliza la operación lógica OR para lograr una detección de movimiento rápida y para reducir vacíos y fracturas. El algoritmo gaussiano establece un modelo de aprendizaje adaptativo para hacer que el tamaño y el contorno de la detección de movimiento sean más precisos. El movimiento extraído por el método de diferencia de tres fotogramas mejorado y el modelo gaussiano se suman lógicamente para obtener la imagen final del primer plano de movimiento. Además, se propone un método de detección de objetivos en movimiento, basado en la red de aprendizaje profundo U-Net, para reducir la dependencia del aprendizaje profundo en la cantidad de conjuntos de datos de entrenamiento. Ayuda al algoritmo a entrenar modelos en conjuntos de datos pequeños. A continuación, calcula la proporción entre el número de muestras positivas y negativas en el conjunto de datos y utiliza el recíproco de la proporción como el peso de la muestra para tratar el desequilibrio de muestras positivas y negativas. Finalmente, se establece un umbral para predecir los resultados y obtener la precisión de detección de objetos en movimiento. Los resultados experimentales muestran que el algoritmo puede suprimir la generación y ruptura de agujeros y reducir el ruido. Además, puede detectar el movimiento de manera rápida y precisa para cumplir con los requisitos de diseño.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Algoritmo propuesto; Modelado gaussiano; Detección de movimiento; Método de diferencia de tres fotogramas; Red de aprendizaje profundo; Detección de objetos en movimiento.
• Keywords:Proposed algorithm; Gaussian modeling; Motion detection; Three-frame difference method; Deep learning network; Moving object detection