基于概率统计局部聚类的复杂场景弱小运动目标检测＊何洋（滁州城市职业学院公共教学部，安徽滁州２３９０００）摘要：在复杂场景下进行弱小运动目标的检测过程中，受到视频中有序相邻对象相似性的影响，难以高精度地识别低质量特征的运动目标．设计一种基于概率统计局部聚类的复杂场景弱小运动目标检测方法．建立空域模型、时域模型，分析小目标特征、背景特征以及噪声特征，从中提取弱小运动目标特征，使用概率统计局部聚类理论，拟定划分标准使用条件，实现目标轮廓曲线分段，将弱小运动目标检测流程进行整体优化，完成基于概率统计局部聚类的复杂场景弱小运动目标检测方法的设计．检测方法性能测试结果表明：在不同的实验图像下，设计的弱小运动目标检测方法的检测率平均值为６９．８％，具有一定的实用性和可靠性．关键词：概率统计；局部聚类；复杂场景；弱小目标检测；曲线分段中图分类号：ＴＰ３９１．４文献标识码：Ａ文章编号：１６７３－２１０３（２０２３）０２－００１２－０５０引言运动目标检测技术作为人工智能领域的一项重要研究内容，一直是计算机视觉领域研究的热点．弱小目标的检测是当代智慧城市发展的重要技术之一，在工业、安保、医疗、军事、天文等方面，也有一定的研究价值［１－２］．在一些复杂场景中，弱小运动目标的成像面积小，可以使用的特征较少，且目标与传感器之间的距离较远，因此在进行运动目标检测的过程中，容易受到复杂场景所提供的背景杂波的干扰．这种干扰在成像过程中容易呈现点状的杂波分布［３－４］．在这种状态下，对复杂场景下的弱小运动目标进行精准检测，对于发展图像大数据研究来说意义重大．深度学习的不断发展和广泛应用，使得运动目标检测问题得到了进一步的解决．由于图像传感器的高分辨率和高像素密度的特点，运动目标检测通常使用多个低分辨率的深度目标检测算法来完成．然而低分辨率图像使得检测结果受到很大影响［５－６］．目前已经有相关学者在这方面作出了一些研究，设计了很多方法都可以检测到低质量特征并且能够对环境特征进行有效提取，这些方法一般是通过比较来检测弱目标的位置与运动特征之间的关系（ＢＰ）来对弱目标进行分类．但是受到视频中有序相邻对象相似性的影响，不能高精度地识别低质量特征的运动目标．因此本文提出一种基于概率统计局部聚类的复杂场景弱小运动目标检测方法，计算每个对象在所有数据集上分布概率的统计部聚类分类，从而实现目标的精准检测．１复杂场...
