视频序列中运动目标的检测在交通分析、自动驾驶及安防监控等视频应用中有着非常重要的作用。越来越多的研究者尝试设计出更高效的提取视频序列时间或空间特征信息的网络以提升检测效果。但由于实际场景中可能存在光照变化、动态背景、阴影、间歇物体运动等噪声变化，会降低算法检测效果。因此，对算法的鲁棒性和先进性提出了更高的要求。

近日，我院解光军教授、杨依忠副教授团队提出了一种端对端的时空传播网络（STPNet）的背景减除算法以检测视频序列中的运动目标，该算法在通用的CDNet-2014数据集和LASIESTA数据集上进行了有效性和先进性分析与验证。结果表明，提出的时空传播网络优于当前的一些先进算法，并且能有效的扩展至未曾见过的视频场景，具有很好的泛化能力。相关成果以“STPNet: A Spatial-Temporal Propagation Network for Background Subtraction”为题发表在视频领域顶级期刊IEEE Trans. Circuits System for Video Technology（Early Access，DOI: 10.1109/TCSVT.2021.3088130）。

图1 时空传播网络算法的整体结构

图2 时空传播网络算法的实验结果

该论文得到国家自然科学基金等项目的资助。合肥工业大学为论文唯一署名单位。杨依忠副教授为论文第一作者，解光军教授为论文通讯作者。