[發明專利]一種基于多尺度可變塊的運動注意力計算方法

有效

• 申請號: 201310258419.2
• 申請日: 2013-06-25
• 公開（公告）號: CN103345763A
• 公開（公告）日: 2013-10-09
• 發明（設計）人: 劉龍;趙晶
• 申請（專利權）人: 西安理工大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 西安弘理專利事務所 61214
• 代理人: 李娜

技術領域

本發明屬于視頻圖像檢測技術領域，具體涉及一種基于多尺度可變塊的運動注意力計算方法。

背景技術

隨著科學的不斷發展，計算機能夠模仿人的眼睛完成人類眼睛的視覺感知。注意機制便是視覺感知模型的一部分，它與學習、記憶等模塊協同工作，完成將待注意目標從背景中分離、注意焦點在多個目標間轉移、注意目標與記憶中的模式匹配等任務。視覺注意機制是靈長類動物的一個共同屬性，它指導我們去注意我們感興趣的目標，幫助我們從在大量信息中濾除對我們無用的信息。也就是說視覺注意機制不是對進入視野的所有信息進行處理，而是對感興趣的目標賦予優先處理權。視覺注意機制是一個多學科交叉的領域，目前，很難給予一個固定的模型來處理問題，它對圖像處理、模式識別等很多領域都有非常重要的意義。

上個世紀80年代marr第一次提出了完整的視覺計算理論，視覺注意的第一個模型是Koch模型，該模型對marr的理論不足之處進行了補充，但也是只體現在理論研究上。現在的視覺注意機制模型，主要基于Koch的框架和Treisman的特征整合理論，對輸入圖像提取邊緣方向、亮度等初級視覺特征，形成各個特征維的顯著圖。然后基于非均勻采樣的方式，采用多特征圖合并策略對這些不同特征維的顯著圖進行融合，形成一幅最終的顯著圖。根據顯著圖，可以得到一系列的待注意的目標。各目標通過注意轉移的禁止返回機制和勝者為王的競爭機制吸引注意焦點，并使得注意焦點在各個待注意的目標之間按一定的原則轉移。其中最具有代表性的是Itti在98年提出的視覺顯著性區域概念。他首先將輸入的圖像按照預先設定的不同特征通道分解為一組特征圖，每一幅圖中不同的空間區域相互競爭顯著性，只有那些與局部鄰域明顯區別的區域能夠突出。在后續的研究中，Ming-Chieh?Chi等提出了一個基于視頻自動決定感興趣區域的視覺節奏分析的注意力模型，該模型能利用較低的計算復雜度準確的提取感興趣的區域為實時應用。Zhiwen?Yu等提出了一種基于實時聚類的感興趣區域的提取方案，該方案的優點是在對象層檢測視覺注意力區域，填補了傳統的視覺注意力區域和高層語義之間的溝壑，有效且容易實現。Xiaodong?Gu等針對當前注意力模型結構的場景中產生的注意力區域不穩定的固有缺點，提出了一個通過時間校正的方法以產生穩定的注意區域方法。Wen-Fu?Lee等提出了一種采用低級特征顏色、定位、運動和高級特征人臉通過機器學習從視頻信號中預測視覺注意力的計算方案。Hui?Wang等提出了一個基于視覺注意力在已知的背景形式下的目標快速搜索策略，該策略能有效地提高目標快速搜索算法。Ma等人提出了一種運動注意力模型，該模型通過分析運動矢量的運動強度，空間和時間相關性來計算圖像的運動注意力。同樣，視頻中兩幀圖像的差異也反映了視頻的運動信息。但是目前現有的技術都不能很有效地提取出運動注意力區域。

發明內容

本發明的目的在提供一種基于多尺度可變塊的運動注意力計算方法，解決了現有技術不能有效的提取出圖像中的運動注意力區域的問題。

本發明所采用的技術方案是，一種基于多尺度可變塊的運動注意力計算方法，具體按照以下步驟實施：

步驟1：提取兩幀圖像；

步驟2：使用高斯函數對兩幀圖像進行多尺度分解，得到三層分辨率逐漸減小的圖像金字塔；

步驟3：對多分辨率圖像進行可變塊劃分；

步驟4：進行多尺度圖像的可變塊運動注意力計算。

本發明的特點還在于，

其中的步驟2使用高斯函數對兩幀圖像進行多尺度分解，得到三層分辨率逐漸減小的圖像金字塔，具體按照以下步驟實施：在一段視頻中截取一幅目標圖像進行多尺度分解，分別得到三幅分辨率逐漸減小的高斯金字塔圖像；對于大小為m×n的圖像I，高斯金字塔G由三個分辨率減小的圖像Ii組成，其中，i={i=0,1...,j}代表金字塔的級數，以下公式是第i層圖像的大小：

I_i＝(m/2i)×(n/2i)，

圖像Ii由兩步得到：第一步是高斯平滑處理，第二步是下采樣。

其中的步驟3對多分辨率圖像進行可變塊劃分，具體按照以下步驟實施：

1）將輸入圖像劃分成64×64大小的塊；