[发明专利]基于局部评估和全局优化的注视点检测方法

摘要

本发明属于计算机视觉领域，基于局部评估和全局优化的注视点检测方法。利用边缘密度算法提取图像中可能的候选目标；然后利用监督学习的方法对这些目标局部评估，两种评估方式：(1)用整个数据库的图像训练SVM对每个proposals的显著性打分；(2)利用半耦合字典学习算法，针对不同的图像重构出不同的SVM，为这张图像的proposals进行有针对性的打分；经过局部评估后，利用proposal子集优化算法将proposals聚类。最后进行全局优化。本发明针对不同引起人眼注意的信息特点，设计出能够捕捉这些信息的模型，能够有效的检测包含语义信息的图像、包含物体的图像、复杂或不包含物体的图像中的人眼注视区域。

主权项

1.基于局部评估和全局优化的注视点检测方法，其特征在于，步骤如下：/n(1)提取待检测图像上存在物体的区域，以检测到的候选目标作为后续处理的基本单位；/n(2)利用微调后的卷积神经网络提取候选目标的深度特征；/n(3)局部评估的总体训练：根据候选目标的深度特征评估该区域受注视的程度，采用自顶向下的监督学习方式训练分类器，评判每一个候选目标是人眼注视区域的可能性；首先，根据注视点信息的真值，从训练集图像的候选框中挑出训练样本框；然后，利用训练集图像的样本框的深度特征训练支持向量机SVM；在测试阶段，把测试集图像的候选目标输入支持向量机，得到对应的评估分数；/n(4)局部评估的具体训练：采用半耦合字典学习算法，实现一张图像对应一个分类器；给定一张图像I，通过卷积神经网络得到其深度特征x