[發(fā)明專利]基于粒子濾波視覺注意力模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410255267.5
• 申請(qǐng)日: 2014-06-10
• 公開（公告）號(hào): CN104050685B
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計(jì)）人: 劉龍;樊波陽;劉金星
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20
• 代理公司: 西安弘理專利事務(wù)所61214
• 代理人: 李娜

1.一種基于粒子濾波視覺注意力模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，首先依據(jù)貝葉斯估計(jì)原理，構(gòu)建粒子濾波雙向融合注意力模型；然后以粒子濾波雙向融合注意力模型框架為基礎(chǔ)，以運(yùn)動(dòng)注意力和目標(biāo)顏色注意力分別為B-U注意力和T-D注意力輸入，通過粒子權(quán)值計(jì)算改變粒子分布狀態(tài)，形成注意力顯著圖，并最終確定運(yùn)動(dòng)目標(biāo)位置，

該方法具體包括以下步驟：

步驟1、計(jì)算當(dāng)前t時(shí)刻運(yùn)動(dòng)注意力作為B-U注意力，B-U時(shí)刻注意力顯著度記作通過控制粒子初始重要性采樣，具體按以下步驟進(jìn)行：

1.1)圖像的高斯多尺度分解

多尺度分析采用高斯圖像金字塔法；

1.2)采用光流法估算運(yùn)動(dòng)矢量場，并對(duì)運(yùn)動(dòng)矢量場進(jìn)行疊加和濾波兩個(gè)預(yù)處理

運(yùn)動(dòng)矢量疊加過程為：設(shè)當(dāng)前幀運(yùn)動(dòng)矢量場為MVF_t，宏塊的中心坐標(biāo)為(k,l)，與之對(duì)應(yīng)的運(yùn)動(dòng)矢量表示為與前后幀的運(yùn)動(dòng)矢量疊加按公式計(jì)算，

運(yùn)動(dòng)矢量在疊加后采用中值濾波進(jìn)行處理，即對(duì)于每一個(gè)非零運(yùn)動(dòng)矢量，用相鄰的運(yùn)動(dòng)矢量中值代替其值；

1.3)計(jì)算運(yùn)動(dòng)注意力作為B-U時(shí)刻注意力顯著度

計(jì)算運(yùn)動(dòng)注意力，定義時(shí)間和空間兩方面注意力，設(shè)和分別表示時(shí)間和空間注意力具體值，分別定義為：

其中和分別代表在t和t-1時(shí)刻運(yùn)動(dòng)矢量場中坐標(biāo)位置為(i,j)的運(yùn)動(dòng)矢量，代表鄰域Λ范圍內(nèi)的運(yùn)動(dòng)矢量均值，

運(yùn)動(dòng)注意力由時(shí)間和空間注意力線性融合得到，即式中，α、β為正值的系數(shù)；

1.4)通過控制粒子重要性采樣

采用運(yùn)動(dòng)顯著性特征來調(diào)節(jié)高斯隨機(jī)粒子采樣的密度，獲得隨運(yùn)動(dòng)顯著性變化的隨機(jī)采樣結(jié)果，采用高斯隨機(jī)采樣，獲得粒子初始分布狀態(tài)，設(shè)i＝1,2,…,N獨(dú)立同分布，令：

$\left\{\begin{array}{cc}{\hat{x}}^{\left(i\right)}=(\underset{i=1}{\overset{N}{\Σ}}{z}_1^{\left(i\right)}-N\·{\mathrm{\μ}}_x)/\sqrt{N\·{\mathrm{\δ}}_x^2},& i=1,2,\mathrm{...},N\\ {\hat{y}}^{\left(i\right)}=(\underset{i=1}{\overset{N}{\Σ}}{z}_2^{\left(i\right)}-N\·{\mathrm{\μ}}_y)/\sqrt{N\·{\mathrm{\δ}}_y^2}& \end{array}\right.$

其中，μ_x、μ_y、和分別是偽隨機(jī)序列的均值和方差，在以(μ_x,μ_y)為坐標(biāo)中心的區(qū)域內(nèi)產(chǎn)生隨機(jī)的高斯采樣結(jié)果，區(qū)域內(nèi)采樣粒子密度受運(yùn)動(dòng)顯著度調(diào)控，假定是t時(shí)刻的B-U時(shí)刻注意力顯著度在(x,y)坐標(biāo)上的顯著值，定義采樣密度函數(shù)如下：

$\underset{(x,y)\∈\mathrm{\Λ}}{\mathrm{\Γ}}\left({\mathrm{SM}}_t^{B-U}\right(x,y\left)\right)=\frac{1}{\sqrt{2\mathrm{\π}}{\mathrm{\δ}}_A}\·\exp (-\frac{1}{2}{\left(\frac{{\mathrm{SM}}_i^{B-U}(x,y)-{\mathrm{\μ}}_A}{{\mathrm{\δ}}_A}\right)}^2),$

其中，x和y分別表示顯著圖中的橫縱坐標(biāo)，均值和方差

若為初始時(shí)刻，控制粒子重要性采樣的方法采樣粒子，形成粒子初始分布狀態(tài)；否則，此刻運(yùn)動(dòng)注意力與前一時(shí)刻運(yùn)動(dòng)注意力的差異位置采樣一部分粒子，替換掉前一時(shí)刻相同數(shù)量的權(quán)值較低的粒子，作為此時(shí)刻的粒子分布狀態(tài)；

步驟2、根據(jù)目標(biāo)特征計(jì)算T-D注意力，具體步驟是：

T-D注意力顯著度記作SM^T-D，T-D注意力的大小采用目標(biāo)特征與圖像特征的相似性程度衡量，

2.1)設(shè)定顏色直方圖作為目標(biāo)特征量化表示方式，記作為m為分量個(gè)數(shù)，則粒子目標(biāo)區(qū)域的顏色分布定義為

${\hat{q}}^{\left(u\right)}\left(X_i\right)=C\·\underset{i=1}{\overset{m}{\Σ}}K\left(\right|\left|\frac{x-x_i}{h}\right|\left|\right)\·\mathrm{\δ}\left(b\right(x_i)-u),$

其中，δ(·)為Delta函數(shù)，為歸一化因子，使得K(·)為核函數(shù)Epanechnikov，定義為

2.2)T-D注意力顯著度的計(jì)算式為：其中，ρ為巴查理亞系數(shù)；

步驟3、采用粒子濾波融合雙向注意力，計(jì)算粒子權(quán)值，重采樣后形成新的粒子分布；

步驟4、根據(jù)此時(shí)刻的粒子分布狀態(tài)計(jì)算注意力顯著圖SM_t，并確定目標(biāo)位置。