来源：期刊VIP网 时间：
作者：范建伟;李琳;靳志鑫;
单位：太原科技大学;
摘要：为改善运动目标检测效果，降低目标漏检率，提出一种基于改进神经网络的视频序列运动目标识别方法。构建改进YOLOv3的运动目标识别模型，以不同帧视频图像为模型输入，经过卷积层的初步特征提取后，输入到由5个残差模块组成的深层网络中。通过以上采样方式构建特征金字塔，实现对运动目标四尺度特征的捕捉。在特征金字塔的每一层，应用K-means算法对运动目标真实框进行聚类，确保候选框尺寸和比例与真实运动目标的统计特性相匹配；再利用获得的候选框和分类器对特征图上每个位置进行目标检测，运用非极大值抑制技术剔除重叠框，将斥力损失函数引入到网络训练总损失之中，使预测框无限贴近运动目标真实框，实现对运动目标的精准识别。实验结果表明，所提方法具有显著的运动目标识别能力，当聚类数目为12时，运动目标识别的AUC、F1指标可达到0.92、0.90，且计算量较少。
关键词：视频序列;;运动目标识别;;改进YOLOv3网络;;特征金字塔;;K-means算法;;候选框聚类
