[发明专利]基于脉冲耦合神经网络的动目标检测方法

权利要求书

1.基于脉冲耦合神经网络的动目标检测方法，其特征在于，包括以下步骤：

a.利用脉冲耦合神经网络感知视频图像序列，提取视频图像的全局特征；

b.建立每个像素的全局特征直方图；

c.针对每个像素，利用前K帧对应的全局特征直方图作为该像素的初始背景模型；

d.针对每个像素，计算当前帧图像的全局特征直方图与背景模型中相应的全局特征直方图的相似性，检测该像素是否为动目标；

e.针对每个像素，利用当前帧图像的全局特征直方图对其背景模型进行更新。

2.根据权利要求1所述的基于脉冲耦合神经网络的动目标检测方法，其特征在于，步骤a具体包括：脉冲耦合神经网络中的一个神经元对应视频图像中的一个像素；对于脉冲耦合神经网络中位于(i,j)的神经元，其在时刻n受到外界刺激信息S_ij和相邻k×l邻域内其它神经元n-1时刻脉冲信息{Y_kl}的影响后，反馈输入F_ij、线性连接输入L_ij、内部活动项U_ij、膜电位动态阈值θ_ij、脉冲发生器的脉冲输出Y_ij以及提取的视频图像的全局特征Q_ij分别为：

Fi_j(n)＝Si_j；

Lij(n)=1,ΣklYkl(n-1)>00,otherwise;]]>

U_ij(n)＝F_ij(n)·(1+βL_ij(n))；

θij(n)=e-αθθij(n-1)+VθYij(n);]]>

Yij(n)=1,Uij(n)>θij(n-1)0,otherwise;]]>

Q_ij(n)＝Q_ij(n-1)+(iter-n)Y_ij(n)；

其中，iter为脉冲耦合神经网络迭代感知的总次数；S_ij为位于(i,j)的神经元所感知的任一波段图像的像素灰度值；α_θ为动态阈值θ_ij的衰减时间常数；V_θ为阈值放大系数；β为连接强度。