基于LGMD建模的物体深度运动方向估计方法
An Estimation Method for the Direction of Object’s Motion in Depth Based on LGMD Modeling
作者：
沈克永：南昌理工学院计算机信息工程学院，江西 南昌；
卢 杰, 李智军：航空工业洪都集团660研究所，江西 南昌；
徐 扬, 徐立中*：南昌理工学院计算机信息工程学院，江西 南昌；河海大学计算机与信息学院，江苏 南京
关键词:
机器视觉；物体运动检测；深度运动方向；LGMD神经元；仿复眼信息处理；Machine Vision；Object’s Motion Detection；Depth Moving Direction；LGMD Neurons；Information Processing of Bionic Compound Eye
项目基金：
本文得到国家自然科学基金项目(No.51979085)的资助。
原文链接：
https://doi.org/10.12677/MOS.2021.104094
一种基于SSD目标检测算法的安全帽识别视频监控系统
(节选)
在移动机器人、自动驾驶、视频监控等应用领域，复杂的动态场景中，对于物体深度运动及方向检测一直是计算机视觉技术的难点。自然界中，昆虫在飞行过程中利用复眼视觉检测高度变化且视觉杂乱环境中的深度运动物体(或称为目标)，是学习运动感知策略的良好范例。
受飞行昆虫复眼视觉功能优势的启发，在汉斯出版社《建模与仿真》期刊中，有论文研究物体深度运动的远离和靠近二种典型类型的方向检测与估计，探索研究独立于背景建模、先验信息以及不依赖于大量可信样本数据训练隐式模型的仿生检测算法，采用物体运动的缩放变量计算与基于LGMD的改进型碰撞检测模型相结合的策略，提出一种基于LGMD建模的物体深度运动方向估计方法(简称LGMD-ED)，以弥补现有的人工LGMD神经网络模型在对于物体深度运动方向检测与估计方面的不足。
针对移动机器人、自动驾驶等应用场景中物体深度运动的远离和靠近二种典型类型的方向检测与估计，本文所提出的基于LGMD建模的物体深度运动方向估计方法(LGMD-ED)，模拟和解析了从复眼视网膜向下游薄板投射感光信号，经昆虫视叶系统非线性信号处理的神经计算过程。与现有的基于LGMD的碰撞检测模型相比，LGMD-ED既能够检测估计物体的靠近，也能够检测估计物体的远离这二种典型类型的运动方向。通过PPT合成动画视频和拍摄真实场景的样本视频进行实验和测试，验证了本文所提新方法对于检测与估计物体深度运动方向的有效性。
声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本公众号观点或证实其内容的真实性；如其他媒体、网站或个人从本公众号转载使用，须保留本公众号注明的“来源”，并自负版权等法律责任。如本公众号内容不妥，或者有侵权之嫌，请先联系小编删除，万分感谢！
注意！国家已经开始对周刊、旬刊、发文量极大的期刊启动专项检查了！
最新通报！卫健委网站公布了最新一批医学科研诚信案件！
Wechat ID：HANSI_GUO
投稿联系：027-86758873
QQ:2194278918
投稿邮箱：2194278918@qq.com
合作联系：service@hanspub.org
点击“阅读原文”，免费下载论文