[发明专利]基于粒子滤波视觉注意力模型的运动目标检测方法

权利要求书

1.一种基于粒子滤波视觉注意力模型的运动目标检测方法，其特征在于，首先依据贝叶斯估计原理，构建粒子滤波双向融合注意力模型；然后以粒子滤波双向融合注意力模型框架为基础，以运动注意力和目标颜色注意力分别为B-U注意力和T-D注意力输入，通过粒子权值计算改变粒子分布状态，形成注意力显著图，并最终确定运动目标位置，

该方法具体包括以下步骤：

步骤1、计算当前t时刻运动注意力作为B-U注意力，B-U时刻注意力显著度记作通过控制粒子初始重要性采样，具体按以下步骤进行：

1.1)图像的高斯多尺度分解

多尺度分析采用高斯图像金字塔法；

1.2)采用光流法估算运动矢量场，并对运动矢量场进行叠加和滤波两个预处理

运动矢量叠加过程为：设当前帧运动矢量场为MVF_t，宏块的中心坐标为(k,l)，与之对应的运动矢量表示为与前后帧的运动矢量叠加按公式计算，

运动矢量在叠加后采用中值滤波进行处理，即对于每一个非零运动矢量，用相邻的运动矢量中值代替其值；

1.3)计算运动注意力作为B-U时刻注意力显著度

计算运动注意力，定义时间和空间两方面注意力，设和分别表示时间和空间注意力具体值，分别定义为：

其中和分别代表在t和t-1时刻运动矢量场中坐标位置为(i,j)的运动矢量，代表邻域Λ范围内的运动矢量均值，

运动注意力由时间和空间注意力线性融合得到，即式中，α、β为正值的系数；

1.4)通过控制粒子重要性采样

采用运动显著性特征来调节高斯随机粒子采样的密度，获得随运动显著性变化的随机采样结果，采用高斯随机采样，获得粒子初始分布状态，设i＝1,2,…,N独立同分布，令：

$\left\{\begin{array}{cc}{\hat{x}}^{\left(i\right)}=(\underset{i=1}{\overset{N}{\Σ}}{z}_1^{\left(i\right)}-N\·{\mathrm{\μ}}_x)/\sqrt{N\·{\mathrm{\δ}}_x^2},& i=1,2,\mathrm{...},N\\ {\hat{y}}^{\left(i\right)}=(\underset{i=1}{\overset{N}{\Σ}}{z}_2^{\left(i\right)}-N\·{\mathrm{\μ}}_y)/\sqrt{N\·{\mathrm{\δ}}_y^2}& \end{array}\right.$

其中，μ_x、μ_y、和分别是伪随机序列的均值和方差，在以(μ_x,μ_y)为坐标中心的区域内产生随机的高斯采样结果，区域内采样粒子密度受运动显著度调控，假定是t时刻的B-U时刻注意力显著度在(x,y)坐标上的显著值，定义采样密度函数如下：

$\underset{(x,y)\∈\mathrm{\Λ}}{\mathrm{\Γ}}\left({\mathrm{SM}}_t^{B-U}\right(x,y\left)\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\δ}}_A}\·\exp (-\frac{1}{2}{\left(\frac{{\mathrm{SM}}_i^{B-U}(x,y)-{\mathrm{\μ}}_A}{{\mathrm{\δ}}_A}\right)}^2),$

其中，x和y分别表示显著图中的横纵坐标，均值和方差

若为初始时刻，控制粒子重要性采样的方法采样粒子，形成粒子初始分布状态；否则，此刻运动注意力与前一时刻运动注意力的差异位置采样一部分粒子，替换掉前一时刻相同数量的权值较低的粒子，作为此时刻的粒子分布状态；

步骤2、根据目标特征计算T-D注意力，具体步骤是：

T-D注意力显著度记作SM^T-D，T-D注意力的大小采用目标特征与图像特征的相似性程度衡量，

2.1)设定颜色直方图作为目标特征量化表示方式，记作为m为分量个数，则粒子目标区域的颜色分布定义为

${\hat{q}}^{\left(u\right)}\left(X_i\right)=C\·\underset{i=1}{\overset{m}{\Σ}}K\left(\right|\left|\frac{x-x_i}{h}\right|\left|\right)\·\mathrm{\δ}\left(b\right(x_i)-u),$

其中，δ(·)为Delta函数，为归一化因子，使得K(·)为核函数Epanechnikov，定义为

2.2)T-D注意力显著度的计算式为：其中，ρ为巴查理亚系数；

步骤3、采用粒子滤波融合双向注意力，计算粒子权值，重采样后形成新的粒子分布；

步骤4、根据此时刻的粒子分布状态计算注意力显著图SM_t，并确定目标位置。