近年來，隨著深度學習在計算機視覺領域的廣泛應用，基于深度學習的視頻運動目標檢測受到廣大學者的青睞。這種方法的基本原理是利用大量目標樣本數據訓練一個基于深度神經網絡的分類器，然后通過分類器在線檢測目標。由于深度神經網絡能夠通過多層表示的方式更加深刻的描述目標特征，基于深度學習的檢測方法優點在于能夠準確檢測具有訓練數據中目標特征的目標。針對視頻運動目標檢測這個特定的應用，這種方法的局限性在于沒有利用目標運動信息，檢測結果容易出現虛警目標。本文將GMM建模方法與深度神經網絡相結合，充分利用目標外觀特征和運動信息，以期獲得更準確的檢測結果。在2017年央企雙創展實地采集的展臺監控數據上進行了實驗驗證。結果表明，本文方法相比于不融合運動信息的檢測方法，行人檢測準確率提高3.8%。

　　隨著計算機計算技術和存儲技術的快速發展，視頻信息占人們接受信息的比重越來越大，對視頻的智能分析也越來越重要。其中視頻目標檢測是對視頻分析的重要切入點，因此不管是在學術界還是在商業界，目標檢測都是研究和應用的一個熱點。傳統的視頻運動目標檢測方法包括背景差法、幀差法、光流法，這類方法的主要原理是基于像素級分析來確定運動目標相對于背景圖像的差異，檢測運動目標所在的位置。盡管學者們在這類方法基礎上進行了很多創新改進，但是這類自底向上的方法并未利用目標外觀等宏觀信息，檢測結果容易受光照變化、目標交叉遮擋、目標與背景相似、陰影等因素影響。此外，針對視頻行人檢測這個特定的應用，僅僅利用目標運動信息并不能精確定位行人目標，尤其是目標之間有交疊、部分遮擋等情況下，無法區分不同的目標。

　　深度學習是目前機器學習在實際應用中最成功的一種方法，在自然圖像分類、通用目標檢測、語義分割等視覺領域取得了突破性的成績。將深度學習用于視頻運動目標檢測的方法［7］ ［8］ ［9］，能夠有效描述目標外觀、結構、色彩等視覺特征，從而檢測定位目標。這類方法的局限性在于沒有利用目標運動信息，導致與目標外觀相似的虛警目標被誤檢。

　　本文致力于復雜場景下的視頻行人目標檢測，將深度學習方法引入傳統視頻運動目標檢測方法，利用深度學習方法對行人目標準確、全面的外觀描述的同時，挖掘行人目標運動信息，克服傳統運動檢測出現空洞、易受陰影、光照變化影響等難題，提高行人檢測準確率。運動檢測采用背景建模法中比較成熟的混合高斯建模法GMM，有效克服光照變化，深度學習采用YOLOv3深度神經網絡模型，實現行人與背景的二分類，解決目標與背景相似的問題，二者充分融合，準確檢測行人目標。
?