一种基于人机同构的全景冗余视点过滤方法技术

本发明专利技术公开了一种基于人机同构的全景冗余视点过滤方法，通过全自动多阈值划分策略，建立初始的可信和低可信样本集，搭建一个深度神经网络模型，考虑不同视点轨迹序列的时序特征，通过学习序列之间的依赖关系和模式，对全景图像视点进行准确、可靠的分类。通过自步学习策略，由易到难逐步挖掘更多可信样本加入训练样本集，在每个递进学习阶段，利用经过更新的训练样本集来指导模型的重新训练。随着训练次数的深入，模型不断地学习并捕捉更多复杂场景中的视点特征，并最终实现对全景视点数据的准确分类。本发明专利技术应用场景广泛，在与全景图像密切相关的领域中，冗余视点过滤发挥着重要作用。视点数据对于研究和理解用户如何探索全景场景具有重要意义。

【技术实现步骤摘要】

本专利技术属于全景图像视点轨迹研究，具体涉及一种基于人机同构的全景冗余视点过滤方法。

技术介绍

1、冗余视点过滤是一项基于眼动数据的计算机视觉任务。眼动轨迹数据记录了人类在观看图像的过程中关于头部和眼球运动的复杂信息，从而提供了对人类视觉行为的全面理解。这些视点数据可以分为两种不同的类型：注视和扫视。注视，即观众的目光集中在特定的区域，表示感兴趣区域。扫视是在两种注视之间的快速运动，表示不感兴趣的区域。全景图像冗余视点过滤旨在保留眼动数据中重要的注视点，过滤掉无意义的扫视点。通过头眼注视数据和图像分析技术的集成，研究人员可以探索人类对图像内不同区域、视觉兴趣点、视觉搜索策略等的注意力。

2、随着虚拟现实技术的不断发展，全景图像因其能够提供360°全景视图的能力而成为热门技术，但同时也给视点分类任务带来了巨大的挑战。传统方法依赖于手动计算视点数据流的低级特征，如速度和色散，然后使用预定义的阈值进行分类。随着深度学习的兴起，人们开始采用数据驱动的方法，通过卷积网络等模型学习眼动数据中更高级别的特征表示。

3、尽管传统的视点分类方法被广泛本文档来自技高网...

【技术保护点】

1.一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤S2包括：

3.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤S3包括：

4.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤S4包括：

5.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤S5包括：

6.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所...

【技术特征摘要】

1.一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤s2包括：

3.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤s3包括：

4.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤s4包括：

5.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤s5包括：

6.根据权利要求1所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，所述步骤s7包括：

7.根据权利要求3所述的一种基于人机同构的全景冗余视点过滤方法，其特征在于，在所述步骤s3中：所述特征提取器基于去除全连接层的卷积神经网络res...

【专利技术属性】
技术研发人员：陈程立诏，崔爽锌，卢搏，宋梦柯，张明月，王子铭，赵一汎，薛子玥，杨龙燕，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：