摘要
小目标的检测是一个重要的研究领域，其应用涵盖飞行昆虫的监测、研究其觅食行为、利用昆虫传粉者监测农作物的开花与授粉过程、蜂群的监控以及蜜蜂活动轨迹的追踪等。然而，由于小目标缺乏明显的形状和纹理特征，直接应用基于卷积神经网络（CNN）的现代目标检测方法性能显著下降。本文提出一种针对无人机搭载普通视频摄像头拍摄的视频序列中，检测小移动目标的方法。该方法的主要步骤包括：视频稳定化处理、背景估计与背景减除、基于CNN的帧分割，以及对分割后的帧进行阈值化处理。然而，训练CNN模型需要大量标注数据，而对视频中的小移动目标进行人工标注不仅极其困难，且耗时费力，目前尚无此类标注数据集可用。为解决这一难题，本文提出一种基于合成视频的训练策略：通过在真实场景背景视频中添加小的类斑点状目标，生成合成视频用于CNN训练。实验结果表明，在真实世界视频中检测飞行蜜蜂的任务中，结合传统计算机视觉技术与CNN，并采用合成训练数据的方法，有效克服了直接将CNN应用于该问题所面临的挑战，实现了平均F1分数达0.86的检测性能。