[发明专利]一种基于视觉显著性模型的自动检测跟踪方法

摘要

本发明是一种基于视觉显著性模型的自动检测跟踪方法，用视觉显著性模型计算输入视频图像的颜色、亮度、方向显著性图，根据加权后的显著性图定义简单场景和复杂场景；检测到简单场景时，用显著性区域建立矩形框作为跟踪目标进行跟踪；检测到复杂场景时，根据权值不同对人为手动选择的跟踪框进行校正；利用跟踪学习检测算法对跟踪框进行跟踪，检测出跟踪失败；使用视觉显著性模型对失败后的每一帧图像进行检测，对显著性图中各个区域与跟踪失败前的线上模型进行直方图匹配，对相似性第一高的区域进行跟踪；对多个相似度相近的区域时，同时送入目标检测器进行检测，重复对下一帧图像目标进行跟踪检测并用直方图对比步骤直到重新检测到目标并跟踪。

主权项

一种基于视觉显著性模型的自动检测跟踪方法，其特征包括如下具体步骤：步骤S1：利用视觉显著性模型对输入的第一帧视频图像进行场景粗理解，计算图像的颜色、亮度、方向显著性图并归一化后，获得图像场景的加权显著性图，若显著性图中的一个显著性区域的权值占所有的80％以上，则定义为简单场景；若显著性图中的一个显著性区域的权值占所有的80％以下，则滤除场景中权值不到10％的显著性区域，并定义为复杂场景；步骤S2：当程序检测到视频序列为简单场景时，直接取用显著性区域建立矩形框作为跟踪目标进行跟踪；步骤S3：当程序检测到视频序列为复杂场景时，弹出对话框让使用者自行选择跟踪目标，然后将人为手动选择的跟踪框与各个显著性区域的距离，加入并重新计算各个显著性区域的权值，再根据权值不同对人为手动选择的跟踪框进行校正；步骤S4：利用跟踪‑学习‑检测算法对跟踪框进行跟踪，当出现目标离开视野或者被遮挡时，能够检测出跟踪失败，并且在跟踪失败时及时反馈信息；当未出现目标离开视野或者未被遮挡时，继续对目标进行稳定跟踪并且实时检测跟踪是否出现失败；步骤S5：当出现跟踪失败时，使用视觉显著性模型对失败后的每一帧图像进行检测，得到显著性图；对显著性图中的各个区域与跟踪失败前的线上模型进行直方图匹配，当直方图匹配相似性第一高的区域的相似度远大于第二高的区域时，直接对相似性第一高的区域进行跟踪；当直方图匹配有多个相似度相近的区域时，同时送入目标检测器进行检测，不断重复步骤S4直到重新检测到目标并进行跟踪。