【技术实现步骤摘要】
本专利技术属于计算机视觉
,特别是涉及一种基于动态注意中心的视频显著目标检测方法。
技术介绍
人类的视觉系统具有非凡的能力在大量的视觉信息中来定位和聚焦感兴趣的区域或目标,这在计算机视觉领域内被称为显著目标检测。图像和视频的显着的目标检测在图像理解中起着至关重要的作用,有利于大幅度减少需要处理的视觉冗余信息。显著目标检测作为预处理过程被应用于多项领域当中。在计算机视觉和计算机图形学中,包括目标检测与识别、图像和视频压缩、图像检索、图像分割等。此外,在机器人学当中,显著目标检测也有广泛应用,如机器人定位,机器人导航,人机交互等。人类视觉注意机制一般分为两种方式:一种是快速的,自底向上的,显著性驱动的,与具体任务无关的方式和一种速度较慢的,自顶向下的,人类意志控制的,依赖于具体任务的方式。自底向上的方式是有图像的地层特征信息驱动的,如颜色,梯度,边缘和边界等。然而自顶向下的方式是由主观因素,如年龄,文化和受经验指导的关注力等因素驱动的,这种方式因为其极高的复杂度和认知心理学发展的局限性获得较少的关注。因此,目前主流的视频显著目标检测方法是自底向上,由底层特征驱动的。人们普遍认为,人类的视觉系统总是优先响应高对比度刺激的区域。在静态图像的显著目标检测中,基于对比度的模型已被证明是非常有效的。考虑到运动是影响视频显著目标检测的主要因素,许多研究者通过扩展现有的使用在图像上的空间域显著目标检测模型,附加利用时间域的特征来检测时空融合的显著目标。现有技术提出了一种时空域显著目标检测模型,该模型利用一个像素与图像中其他像素间的运动和颜色对比度来定义该像素的显著度 ...
【技术保护点】
一种基于动态注意中心的视频显著目标检测方法,其特征在于,包括:步骤1,初步时、空域显著目标检测,并得到检测结果,包括:对输入视频源逐帧进行图像分割,获得图像分割成数个目标块后的分割结果;使用输入视频源连续两帧之间的光流信息,获得图像中每个像素的运动矢量;利用图像分割的结果和每个像素的运动矢量可以得到一个目标块的运动矢量;利用每一个目标块的运动矢量与其余目标块的运动矢量的全局对比度来获取初步的时域显著目标,并使用归一化的距离权重值来约束距离较远的目标块的影响;利用每一个目标块与其余目标块的颜色全局对比度来获取初步的时域显著目标,同样使用归一化的距离权重值来约束距离较远的目标块的影响;步骤2,针对步骤1得到的时、空域显著目标检测结果进行优化,包括:获取前一帧图像检测的显著目标的中心位置作为当前一帧图像的注意中心;计算当前目标块的中心与当前帧的注意中心之间的归一化距离作为距离权重值;利用这一距离权重值,对获得的初步时、空域显著目标检测结果进行优化,得到优化后的时、空域显著目标检测结果;步骤3,针对步骤2中得到的优化结果进行时、空域显著目标检测结果融合,包括:计算每一个像素归一化后的运动矢量的 ...
【技术特征摘要】
1.一种基于动态注意中心的视频显著目标检测方法,其特征在于,包括:步骤1,初步时、空域显著目标检测,并得到检测结果,包括:对输入视频源逐帧进行图像分割,获得图像分割成数个目标块后的分割结果;使用输入视频源连续两帧之间的光流信息,获得图像中每个像素的运动矢量;利用图像分割的结果和每个像素的运动矢量可以得到一个目标块的运动矢量;利用每一个目标块的运动矢量与其余目标块的运动矢量的全局对比度来获取初步的时域显著目标,并使用归一化的距离权重值来约束距离较远的目标块的影响;利用每一个目标块与其余目标块的颜色全局对比度来获取初步的时域显著目标,同样使用归一化的距离权重值来约束距离较远的目标块的影响;步骤2,针对步骤1得到的时、空域显著目标检测结果进行优化,包括:获取前一帧图像检测的显著目标的中心位置作为当前一帧图像的注意中心;计算当前目标块的中心与当前帧的注意中心之间的归一化距离作为距离权重值;利用这一距离权重值,对获得的初步时、空域显著目标检测结果进行优化,得到优化后的时、空域显著目标检测结果;步骤3,针对步骤2中得到的优化结果进行时、空域显著目标检测结果融合,包括:计算每一个像素归一化后的运动矢量的梯度幅值;根据获得的梯度幅值统计整幅图像内运动矢量梯度幅值的总和,利用高斯函数计算时域显著度图在时、空域显著目标融合中所占有的比例系数;利用获得的比例系数,对步骤2获得的优化后的时、空域显著目标检测结果进行线性融合,获得最终的显著目标检测结果。2.根据权利要求1所述的一种基于动态注意中心的视频显著目标检测方法,其特征在于,所述步骤1具体包括以下子步骤:步骤1.1:对输入视频源逐帧进行图像分割,获得图像分割成数个目标块后的分割结果;步骤1.2:使用输入视频源连续两帧之间的光流信息,获得图像中每个像素的运动矢量;步骤1.3:利用图像分割的结果和每个像素的运动矢量可以得到一个目标块的运动矢量;步骤1.4:利用每一个目标块的运动矢量与其余目标块的运动矢量的全局对比度来获取初步的时域显著目标,并使用归一化的距离权重值来约束距离较远的目标块的影响;步骤1.5:利用每一个目标块与其余目标块的颜色全局对比度来获取初步的时域显著目标,同样使用归一化的距离权重值来约束距离较远的目标块的影响。3.根据权利要求1所述的一种基于动态注意中心的视频显著目标检测方法,其特征在于,所述步骤2具体包括以下子步骤:步骤2.1:获取前一帧图像检测的显著目标的中心位置作为当前一帧图像的注意中心;步骤2.2:计算当前目标块的中心与当前帧的注意中心之间的归一化距离作为距离权重值;步骤2.3:利用这一距离权重值,对上述步骤1.4和步骤1.5获得初步时、空域显著目标检测结果进行优化,得到优化后的时、空域显著目标检测结果。4.根据权利要求1所述的一种基于动态注意中心的视频显著目标检测方法,其特征在于,所述步骤3具体包括以下子步骤:步骤3.1:计算每一个像素归一化后的运动矢量的梯度幅值;步骤3.2:根据步骤3.1获得的梯度幅值统计整幅图像内运动矢量梯度幅值的总和,利用高斯函数计算时域显著度图在时、空域显著目标融合中所占有的比例系数;步骤3.3:利用步骤3.2获得的比例系数,对步骤2.3获得的优化后的时、空域显著目标检测结果进行线性融合,获得最终的显著目标检测结果。5.根据权利要求1所述的一种基于动态注意中心的视频显著目标检测方法,其特征在于,所述步骤1.3中,目标块的运动矢量用表示,其获得过程如公式(1)所示:v&RightAr...
【专利技术属性】
技术研发人员:胡瑞敏,邵梦灵,肖晶,王旭,王琦,胡柳依,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。