摘  要： 針對幀差法和光流法兩種運動目標檢測方法,，給出了相應(yīng)的細胞神經(jīng)網(wǎng)實現(xiàn)方式。采用不同視頻圖像序列進行了仿真,，結(jié)果證明了所提出方法的有效性,。
關(guān)鍵詞： CNNs；運動目標檢測,；幀差法,；光流法

　運動目標檢測是視頻圖像跟蹤與識別系統(tǒng)中的關(guān)鍵技術(shù)，在視頻監(jiān)控,、交通流量統(tǒng)計,、人機交互、機器人等領(lǐng)域有著廣泛的應(yīng)用,。目前常用的方法有幀差法,、背景減法,、光流法等，其中幀差法和背景減法適用于攝像機靜止時運動目標的檢測,，光流法則在攝像機移動時能夠得到較好的檢測效果,。在運動目標檢測的各種應(yīng)用領(lǐng)域中，對算法的實時性都有著很高的要求,，因此,，如何提高運算速度以滿足實時需求是科研人員需要解決的問題。
　細胞神經(jīng)網(wǎng)絡(luò)CNNs(Cellular Neural Networks)是一種具有并行處理能力的網(wǎng)狀非線性電路模型[1],，其基本單元稱為細胞,。細胞結(jié)構(gòu)簡單且細胞之間為局部互聯(lián)，因此,，方便超大規(guī)模集成電路(VLSI)實現(xiàn),，研制成功的細胞神經(jīng)網(wǎng)通用機(CNN Universal Machine)已被證明具有圖靈機的計算能力[2]。作為一種面向集成電路實現(xiàn)的神經(jīng)網(wǎng)絡(luò),，細胞神經(jīng)網(wǎng)很好地結(jié)合了并行計算和并行結(jié)構(gòu),，具有與人眼視網(wǎng)膜相似的結(jié)構(gòu)，因此用細胞神經(jīng)網(wǎng)來探索視覺計算和實時圖像處理有著重要意義,。當前細胞神經(jīng)網(wǎng)主要用于實時圖像處理領(lǐng)域，在模式識別,、仿生眼,、自治機器人、信息安全,、高級腦功能等研究領(lǐng)域也得到了成功的應(yīng)用[3-5],，并出現(xiàn)了差值控制細胞神經(jīng)網(wǎng)、模糊細胞神經(jīng)網(wǎng),、多層細胞神經(jīng)網(wǎng),、時滯細胞神經(jīng)網(wǎng)等多種形式。
　本文首先給出了CNNs的基本概念并對其穩(wěn)定性進行了分析,，然后針對運動目標檢測常用的幀差法和光流法,，給出了基于細胞神經(jīng)網(wǎng)的實現(xiàn)方式，最后采用不同視頻圖像序列進行了仿真驗證,。

    閾值化,、濾波、空洞填充,、邊緣估計,、反向選擇等運算的CNNs模板可參考文獻[7-8]。
4 基于CNNs的光流運動目標檢測方法
　運動產(chǎn)生出光流,，光流是運動信息的一個近似反映,?；诠饬鞣椒ǖ倪\動檢測采用了運動目標隨時間變化的光流特性，通過計算光流并對光流圖像分割來檢測運動目標,。由于光流場中不同的物體會有不同的速度,，因此，即使在攝像機存在運動的情況下也能檢測出獨立的運動目標,。光流法的缺點是計算方法復(fù)雜,、運算量大，因此很難應(yīng)用于實時性要求較高場合,。本文應(yīng)用具有并行計算能力的細胞神經(jīng)網(wǎng)實現(xiàn)光流場的估計,。
4.1 連續(xù)時間域光流計算描述
　細胞神經(jīng)網(wǎng)是在連續(xù)時間域進行信息處理，因此首先考慮光流計算的連續(xù)時間域描述方法,。若圖像中某像素m在時刻t的灰度值為I(x,，y，t),，令點m的速度為Vm=(u,，v)，則Horn & Schunck光流計算模型,，其光流矢量通過如下方程組求解：


4.2 仿真試驗結(jié)果
　取highway圖像序列檢驗所提出的光流運動檢測方法,。該圖像序列是在攝像機移動條件下拍攝的，序列中幾乎不存在靜止對象,。為得到較好檢測效果,，在光流計算之后(計算運動矢量幅值)，依次采用了濾波,、閾值化,、空洞填充、邊緣檢測,、雜點取出等一系列運算,，CNNs光流法檢測結(jié)果如圖4所示。從仿真試驗可以看出,，所提出方法能夠得到正確檢測結(jié)果,。

　本文針對常用的運動目標檢測方法，探索了細胞神經(jīng)網(wǎng)的實現(xiàn)方式,，最后采用不同視頻圖像序列進行了仿真驗證,，結(jié)果證明了所提出方法的有效性。
參考文獻
[1] CHUA L O,， YANG L. Cellular neural network： theory[J]. IEEE Transactions on Circuits and Systems,， 1988， 35(10)：1257-1272.
[2] LINAN G,， ESPEJO S,， DOMINGUEZ C R. ACE4K： an analog I/O 64×64 visual microprocessor chip with 7-bit analog accuracy[J]. International Journal of Circuit Theory and Applications,， 2002， 30(1)：89-116.
[3] BALYA D,， ROSKA B,， ROSKA T， et al. A CNN framework for modeling parallel processing in a mammalian retina[J]. International Journal of Circuit Theory and Applications,， 2002,， 30(2)：363-393.
[4] ARENA P， BASILE A,， FORTUNA L. CNN wave based computation for robot navigation planning[M]. Proceedings of the 2004 International Symposium on Circuits and Systems,， 2004：500-503.
[5] PETRAS I， ROSKA T. Application of direction constrained and bipolar waves for pattern recognition[C]. Proceedings of the 6th IEEE International Workshop on Cellular Neural Networks and their Applications,， Catania,， Italy， 2000：3-8.
[6] SLAVOVA A. Applications of some mathematical methods in the analysis of cellular neural networks[J]. Journal of Computational and Applied Mathematics,， 2000,， 114(6)： 387~404.
[7] 鞠磊，鄭德玲,，翁貽方.基于細胞神經(jīng)網(wǎng)的快速圖像分割方法[J].北京工商大學(xué)學(xué)報(自然科學(xué)版),，2005，23(9)：32-34,，39.
[8] 鞠磊,，鄭德玲，張蕾.基于差值控制細胞神經(jīng)網(wǎng)絡(luò)圖像濾波器[J].北京科技大學(xué)學(xué)報,，2005，27(6)：375-379.