基于视觉选择性注意计算模型的静态目标检测方法

摘要

本发明公开了一种基于视觉选择性注意计算模型的静态目标检测方法，其实现步骤为：(1)输入待检测目标；(2)输入帧图像；(3)获取帧图像的显著图；(4)寻找候选区域；(5)候选区域与待检测目标区域匹配，在设定次数内若在当前帧图像中未找到与待检测目标区域匹配的候选区域，则开始下一帧图像的检测，在设定次数内若找到与待检测目标区域匹配的候选区域，则将该区域标记出来后开始下一帧图像的检测；(6)判断是否还有待处理的帧图像；(7)检测结束。本发明既可以快速的完成对目标的检测，又可以准确的完成对目标的定位，具有较好的实时性和较高的检测准确度，可应用视频图像中静态目标的检测。

主权项

1.基于视觉选择性注意计算模型的静态目标检测方法，包括如下步骤：(1)输入待检测目标；(2)输入帧图像；(3)获取帧图像的显著图3a)利用颜色空间的转化公式将帧图像从红、绿、蓝颜色空间转换到色调、强度、饱和度颜色空间；3b)利用下式分别获取由色调分量和饱和度分量代表的两个颜色特征图与强度分量代表的强度特征图的待规格化图像；C_j＝idct[A*exp(i*P)]其中，C_j为待规格化图像，j为变量，j∈{Iy，CH，CS}，Iy为强度，CH为色调分量代表的颜色，CS为饱和度分量代表的颜色，idct为离散余弦反变换，A为谱残差，*为相乘操作，i为虚数，P为图像离散余弦变换后的相位谱信息；3c)对待规格化图像进行规格化操作，分别获得强度显著图和两个颜色显著图；3d)按照下式合并各特征显著图；$C=\underset{j\in \{\mathrm{Iy},\mathrm{CH},\mathrm{CS}\}}{\Sigma }\frac{M_j}{\overline{m_j}}*{\left(\overline{C_j}\right)}^2$其中，C为总显著图，j∈{Iy，CH，CS}，j为变量，Iy为强度，CH为色调分量代表的颜色，CS为饱和度分量代表的颜色，M_j为特征显著图的最大值，为除特征显著图最大值以外其他所有局部极大值的平均值，*为相乘操作，为特征显著图；3e)对合并后的图像进行高斯低通滤波，获得帧图像的视觉选择性注意计算模型的显著图；(4)寻找候选区域4a)在显著图中选灰度值最大点，判断其八邻域像素点与该点是否相似，如果不相似，就在未经选择的剩余像素点中选灰度值最大点进行判断，直至找到满足条件的点，以该点作为种子生长点进行区域生长，得到二值图像；4b)将生成的二值图像矩阵与步骤(2)输入的帧图像的灰度图矩阵对应点相乘获取感兴趣区域作为候选区域；(5)区域匹配5a)利用SIFT特征匹配算法对候选区域与待检测目标区域进行匹配，若不匹配，则对基于掩膜后的显著图重新寻找候选区域与待检测目标区域进行匹配；5b)当寻找候选区域与待检测目标区域进行匹配的操作重复执行不超过6次时，若找到与待检测目标区域匹配的候选区域，则停止搜索，在步骤(2)输入的帧图像中用矩形将该区域标记出来，然后转至步骤(6)；5c)当寻找候选区域与待检测目标区域进行匹配的操作重复执行5次，若仍未找到与待检测目标区域匹配的候选区域，则认为在该帧图像中匹配失败，然后转至步骤(6)；5d)若连续三帧图像都没有找到与待检测目标区域匹配的候选区域，则认为目标跟踪检测失败，执行下一步骤，重新启动目标检测；(6)判断是否还有待处理的图像，若有，转至步骤(2)；否则，执行下一步骤；(7)检测结束。