基于深度學習的太陽活動區檢測與跟蹤方法研究

作者：朱健,楊云飛,蘇江濤,劉海燕,李小潔,梁波,馮松

摘要：太陽活動區是各類太陽活動的主要能量來源,劇烈的太陽活動直接影響人類的生存環境,因此,準確地檢測與跟蹤太陽活動區對監控和預報空間天氣非常重要.基于深度學習框架的YOLOv3-spp和DeepSort,提出了一種太陽活動區檢測和跟蹤方法(Active Regions Detection and Tracking Method,ARDTM),該方法較好地解決了傳統圖像處理方法易將一個太陽活動區誤檢測為多個,或者多個太陽活動區誤檢測為一個的問題;及時捕獲新產生的太陽活動區和終止跟蹤消失的太陽活動區,有效提高了太陽活動區的跟蹤準確率.實驗結果表明,該方法可以較好地檢測和跟蹤不同望遠鏡、不同時間間隔序列圖像中的太陽活動區.

發文機構：昆明理工大學信息工程與自動化學院/云南省計算機技術應用重點實驗室 中國科學院太陽活動重點實驗室

關鍵詞：太陽活動區檢測與跟蹤深度學習YOLOv3-sppDeepSortActive regionsDetection and trackingDeep learningYOLOv3-sppDeepSort

分類號： TP391.413[自動化與計算機技術—計算機應用技術][自動化與計算機技術—計算機科學與技術]