[发明专利]一种基于人类记忆机制的车辆目标识别方法及装置

权利要求书

1.一种基于人类记忆机制的车辆目标识别方法，其特征在于：具体包括以下步骤：

S1.获取实时图像信息，根据所述实时图像信息生成显著图；

S2.根据显著图进行短时记忆识别车辆，识别成功后更新短时记忆为最新，否则进入步骤S3；

S3.进行长时间记忆识别车辆，识别成功后更新短时记忆为最新，否则遗忘对应的短时记忆；

S4.当更新短时记忆为最新后或经所述步骤S3并遗忘对应的短时记忆后，对下一显著图返回执行步骤S2。

2.如权利要求1所述的方法，其特征在于：所述步骤S1中所述的生成显著图具体包括以下步骤：

S101.基于目标的稀有运动特征得到的显著区域；

S102.根据所述显著区域得到稀有运动矢量图，计算相应的稀有运动显著图；

S103.结合人类视觉注意模型，得到其他各稀有运动显著图之后，将所有显著图融合，使属于同一目标的区域合并，得到最终的显著图。

3.如权利要求2所述的方法，其特征在于：所述步骤S103中使属于同一目标的区域合并具体包括：

S1011.定义区域之间的相似度函数，所述区域包括种子区域和待合并区域；

S1012.判断待合并区域与种子区域的合并指标，符合合并指标时，将该区域与种子区域进行合并，确认该区域与种子区域属于同一运动目标；

所述合并指标包括：

a.判断待合并区域中的像素总数，如果区域中的像素总数小于设定阈值，并且不能合并到任一种子区域中，则舍弃该杂质区域；

b.判断待合并区域与种子区域的位置关系，若为不相邻区域或判断种子区域不满足运动向量近似相等，则将待合并区域定义为新的种子区域，用来合并与该区域属于同一运动目标的显著区域；

c.若为相邻区域，则判断相邻区域与种子区域的相似度，相似度值的大于设定阈值，则将该区域与种子区域进行合并；

d.判断相邻区域与种子区域的欧氏距离,所述欧氏距离最小值需要小于设定阈值，则将该区域与种子区域进行合并。

4.如权利要求1所述的方法，其特征在于：对所述步骤S2、S3定义与显著图信息、信息存储类型以及车辆目标认知行为有关的变量，

其中，与显著图信息有关的变量包括：

定义Si是一个二元组<Pos,Feat>，其中Pos表示显著图当前所处的位置，以及显著图最小外接矩形的面积大小；Feat表示显著图的特征，包括显著图中目标的轮廓，灰度值信息；

与信息存储类型有关的变量包括：

定义短时记忆Sm是上一帧车辆目标所在位置的集合，用于模拟人类的短时记忆；长时记忆Lm是车辆特征信息的集合，用于模拟人类的长时记忆；

与车辆目标认知行为有关的变量包括：

定义变量Sc和Lc表示一系列的认知行为，其中，

Sc＝{Sorting,Sc_Matching,Sc_Update,Comp_Mem}

Lc＝{Lc_Matching,Lc_Update}

Sorting表示Sm中显著区域位置特征的排序，Sc_Matching表示Sm中元素与待识别显著图区域之间的匹配规则，Sc_Update表示Sm的更新，Comp_Mem表示Sm中的竞争记忆行为，Lc_Matching表示利用长时记忆空间中样本训练出来的结果对输入的显著图区域内目标进行认知，Lc_Update表示长时记忆空间中的信息更新。