[发明专利]一种视频信号的关注度分析系统

说明书

技术领域

本发明涉及计算机视觉技术领域，尤其涉及视频信号的关注度分析系统。

背景技术

视觉关注度模型通过模拟人眼对场景图像的感知机理，找到图像/视频中人眼感兴趣的区域，目前其已广泛的应用于人眼关注点搜索、图像分割、图像压缩、图像自适应剪切、视频对象跟踪、视频检索、视频编码、3D场景透视等领域。

1980年美国普林斯顿大学心理学教授Anne Treisman在文献1中通过对人眼视觉系统进行模拟实验得出颜色、方向和亮度是人类视觉系统最关注的特征，并在此基础上提出了特征融合的理论，它是人类视觉模型的一个重要的理论基础。1998年，Itti等人在文献2中对视觉注意中的选择和转移工作机制进行了开创性的研究，提出了可计算的视觉注意模型框架，采用特征融合的方式计算关注度图，并将关注度值大的区域作为关注区域。2003年，Itti在文献3中，结合图像关注度模型，并通过考虑前后2帧视频信号的运动特征和闪烁特征，提出视频信号的关注度模型。但是Itti模型仅用了前后2帧进行运动参数的提取，能够捕获的物体速度范围有限，当运动物体速度较慢时容易造成漏判。另外，其基于帧差法的运动特征检测，容易将活动物体的内部标识成低关注度区域，从而造成误判。

2005年，Wen-Huang Cheng在文献4中，针对Itti模型对缓慢运动处理不佳的缺点，将视频序列分段，利用中值滤波得到时间分段的关注度图，但这种方法对于运动剧烈的序列效果不好。另外，2009年Chang Liu等在文献5中，利用像素的统计模型将空域关注度和时域关注度融合，从而解决当运动物体速度较慢时容易造成漏判的问题，但是其前提条件是统计窗口必须和前景对象的大小匹配，因此在实际应用中并不具备普适性。

本发明专利申请通过利用多帧参考，对传统方法的运动特征提取进行了扩展，使得运动特征在时域上包含更多的尺度，能更精确的描述前景对象的运动信息，减少漏判的可能性。同时，该系统在关注度计算模块中，用空域关注度图对运动关注度进行了增强，解决了传统方法将活动物体的内部标识成低关注度区域的问题。实验结果表明，在关注区域提取的准确率上，该系统较传统方法有大幅提高。

文献1：Treisman，A.M.Gelade G.“A feature-integration theory of attention.”CognitivePsychology，vol.12，no.1，pp.97-136，1980.

文献2：L.Itti，C.Koch，E.Niebur.“A model of saliency-based visual attention for rapidscene analysis.″IEEE Transactions on Pattern Analysis and Machine Intelligence，vol.20，no.11，pp.1254-1259，Nov.1998.

文献3：L.Itti，N.Dhavale，F.Pighin，“Realistic avatar eye and head animation using aneurobiological model of visual attention.”In Proceedings of SPIE 48th Annual InternationalSymposium on Optical Science and Technology，vol.5200，pp.64-78August，2003.

文献4：W.H.Cheng，W.T.Chu，J.L.Wu.“A visual attention based region-of-interestdetermination framework for video sequences.”IEICE Transaction on Information and Systems，vol.88，no.7，pp.1578-1586，2005.

文献5：Chang Liu，PongC.Yuen，Guoping Qiu，“Object motion detection using informationtheoretic spatio-temporal saliency，”Pattern Recognition，vol.42，issue 11，pp.2897-2906，2009.

发明内容

针对上述存在的技术问题，本发明的目的是提供一种视频信号的关注度分析系统，找到视频中人眼感兴趣的区域，从而为后续的视频处理奠定基础。