[发明专利]一种基于动态注意中心的视频显著目标检测方法

摘要

本发明涉及一种基于动态注意中心的视频显著目标检测方法，包括初步时、空域显著目标检测，基于动态注意中心的时、空域显著目标检测结果优化，和时、空域显著目标检测结果融合三个阶段。初步时、空域显著目标检测是基于全局对比度方法获得初步的时域显著目标检测结果。利用不同目标块与注意中心的距离权重值作为约束项来抑制背景区域对显著目标检测结果的干扰。时、空域显著目标检测结果融合为利用图像的运动一致性与距离程度作为时空域显著目标结果在融合中所占比例的指标，达到维持显著目标检测结果在时空上的一致性。本发明可以实现对视频中的显著目标进行准确检测，从而有效解决背景技术提到的问题，是视频显著目标识别后续应用的基础工作。

主权项

1.一种基于动态注意中心的视频显著目标检测方法，其特征在于，包括：步骤1，初步时、空域显著目标检测，并得到检测结果，包括：对输入视频源逐帧进行图像分割，获得图像分割成数个目标块后的分割结果；使用输入视频源连续两帧之间的光流信息，获得图像中每个像素的运动矢量；利用图像分割的结果和每个像素的运动矢量得到一个目标块的运动矢量；利用每一个目标块的运动矢量与其余目标块的运动矢量的全局对比度来获取初步的时域显著目标，并使用归一化的距离权重值来约束距离较远的目标块的影响；利用每一个目标块与其余目标块的颜色全局对比度来获取初步的时域显著目标，同样使用归一化的距离权重值来约束距离较远的目标块的影响；步骤2，针对步骤1得到的时、空域显著目标检测结果进行优化，包括：获取前一帧图像检测的显著目标的中心位置作为当前一帧图像的注意中心；计算当前目标块的中心与当前帧的注意中心之间的归一化距离作为距离权重值；利用这一距离权重值，对获得的初步时、空域显著目标检测结果进行优化，得到优化后的时、空域显著目标检测结果；步骤3，针对步骤2中得到的优化结果进行时、空域显著目标检测结果融合，包括：计算每一个像素归一化后的运动矢量的梯度幅值；根据获得的梯度幅值统计整幅图像内运动矢量梯度幅值的总和，利用高斯函数计算时域显著度图在时、空域显著目标融合中所占有的比例系数；利用获得的比例系数，对步骤2获得的优化后的时、空域显著目标检测结果进行线性融合，获得最终的显著目标检测结果；步骤1中，目标块的运动矢量用表示，其获得过程如公式(1)所示：其中代表第k个目标块所包含的所有像素的运动矢量的平均运动矢量，n代表第k个目标块所包含的像素数目，w_v(o_k)代表第k个目标块所归一化的运动矢量方差；步骤1.4中，目标块的运动矢量用S′_t(o_k)表示，其获得过程如公式(4)所示：其中代表归一化后的距离权重值，以消除距离较远的目标块对当前目标块的显著度值计算的影响；D_t(o_k，o_i))代表归一化后的两个目标块中心之间的距离；w_v(o_k)代表目标块内像素的个数以增强较大目标块的运动对比度；步骤2中，改进后的时域显著目标检测结果用S_t(o_k)表示，其获得过程如公式(6)所示：S_t(o_k)＝w_t(o_k，n)S′_t(o_k) (6)改进后的空域显著目标检测结果用S_s(o_k)表示，其获得过程如公式(7)所示：S_s(o_k)＝w_t(o_k，n)S′_s(o_k) (7)步骤3.1中，像素归一化后的运动矢量的梯度幅值用M(x，y)表示，其获得过程如公式(8)所示：其中I_m(x，y)代表像素的归一化运动矢量的模长；步骤3中，最终的显著目标检测结果用S(I)表示，其获得过程如公式(10)所示：S(I)＝λS_t(I)+(1‑λ)S_s(I) (10)其中S_t(I)是步骤2.3中获得的改进后的时域显著目标检测结果，λ是步骤3.2中获得的时域显著目标检测结果在最终的显著目标检测结果中所占的比例，S_s(I)是步骤2.3中获得的改进后的空域显著目标检测结果，1‑λ是步骤3.2中获得的时域显著目标检测结果在最终的显著目标检测结果中所占的比例。