[发明专利]基于视觉感知的运动目标检测算法性能的评价方法

说明书

技术领域

本发明涉及一种图像处理技术，特别是一种基于视觉感知的运动目标检测算法性能的评价方法。

背景技术

运动目标检测作为许多计算机视觉应用中的预处理环节，在诸如视频监控、视频搜索等领域中都有着重要的应用，在受到越来越多人的关注的同时，近年来基于不同理论的运动目标检测算法不断被提出。因此，建立一个统一客观的标准数据集和评价标准对现有的运动目标检测算法性能进行客观公正的评价，对现有运动目标检测算法的认识、改进以及新算法的提出具有重要作用。

目前，运动目标检测算法性能的评价方法主要分为两大类：主观评价法和客观评价法。

(1)主观评价法就是以人作为观察者，对图像的优劣做出主观定性评价。主观评价法又可分为绝对评价和相对评价两种。绝对评价是将图像直接按照视觉感受进行分级评分；相对评价是由观察者将一批图像从好到坏进行分类，将它们相互比较得出好坏，并给出相应的评分。主观评价法对一些明显的图像信息进行评价显得直观、快捷和易于实现，评价结果也比较全面，符合人类视觉系统感知特点，对最终的图像质量评测也是十分有用的。但是这种评价方法受观察者心理因素、观察者数量、图像类型、应用场合和观测环境等因素影响较大，评价过程繁琐，加之人的视觉心理因素很难用物理量度量，致使评价结果不够精确，而且主观评价法难以实现自动化处理，不利于运动目标检测评价系统的自动化设计。

(2)客观评价法是根据人眼的主观视觉系统来建立一定的数学模型来计算运动目标检测算法检测到的运动目标，并通过具体的公式计算，得出量化的数字来比较运动目标检测算法的好坏。常见的运动目标检测算法客观评价方法主要包括前景识别率、背景识别率、假阳率、假阴率、误检率及精度几种指标：

前景识别率(Recall，Re)是反映运动目标检测算法能正确识别运动目标程度的指标；

背景识别率(Specificity，Sp)是反映运动目标检测算法能正确识别背景程度的指标；

假阳率(False Positive Rate，FPR)是反映运动目标检测算法在检测过程中把背景误判为前景程度的指标，主要与背景点误判为前景点(即鬼影)有关；

假阴率(False Negative Rate，FNR)是反映运动目标检测算法在检测过程中把前景目标误判为背景程度的指标，主要用于反应检测目标的空洞程度；

误检率(Percentage ofwrong Classifications，PWC)是反映运动目标检测算法在检测过程中误判程度的指标，包括背景被误判为前景和前景被误判为背景两种情况；

精度(Precision，Pre)是反映运动目标检测算法在检测过程中前景被正确判断程度的指标。它只与正确检测出的前景点及错误检测出的前景点有关。

以上六种统计指标计算方法如下式所示：

Re＝TP/(TP+FN)

Sp＝TN/(TN+FP)

FPR＝FP/(FP+TN)

FNR＝FN/(TP+FN)

Pr e＝TP/(TP+FP)

TP为前景目标被正确识别的点数；FP为背景被误判为前景的点数；TN为背景目标被正确识别的点数；FN为前景目标被误判为背景的点数。其中，Re，Sp和Pre指标越大，说明运动目标检测算法检测运动目标的性能越好，而FPR、FNR及PWC指标越小，说明运动目标检测算法检测运动目标的性能越好。

针对以上不同的客观评价指标，它们能够克服人的视觉特性、心理状态、知识背景等因素的影响，可以提高判断的准确性和速度，能够实现自动化处理。但是它们反映出的运动目标检测算法检测运动目标的性能侧重点各有差异，我们单独根据某一个指标并不能客观评价运动目标检测算法检测运动目标的性能，而综合六个指标会存在某个检测算法的某个指标最为优异而另一个检测算法的另一个指标最为优异的情况，甚至会出现两个指标得出结论恰好相反的情况，这会使判断者产生困惑，同样不便于运动目标检测算法最终检测性能的客观判定。

发明内容

本发明的目的在于提供一种基于视觉感知的运动目标检测算法性能的评价方法，在本方法中使用了一种新的评价指标，它能够符合人类视觉系统感知特点，有效、客观的对运动目标检测算法性能进行综合评价。

一种基于视觉感知的运动目标检测算法性能的评价方法，包括：

步骤1，选取标准检测图片A，通过一种运动目标检测算法检测到的图片B，对图片A和B进行灰度处理；