[發明專利]基于視覺感知的運動目標檢測算法性能的評價方法

有效

• 申請號: 201510633496.0
• 申請日: 2015-09-29
• 公開（公告）號: CN105184823B
• 公開（公告）日: 2018-03-09
• 發明（設計）人: 劉磊;姜民;黃偉;李賀;殷家樂
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/207
• 分類號: G06T7/207
• 代理公司: 南京理工大學專利中心32203
• 代理人: 朱寶慶

技術領域

本發明涉及一種圖像處理技術，特別是一種基于視覺感知的運動目標檢測算法性能的評價方法。

背景技術

運動目標檢測作為許多計算機視覺應用中的預處理環節，在諸如視頻監控、視頻搜索等領域中都有著重要的應用，在受到越來越多人的關注的同時，近年來基于不同理論的運動目標檢測算法不斷被提出。因此，建立一個統一客觀的標準數據集和評價標準對現有的運動目標檢測算法性能進行客觀公正的評價，對現有運動目標檢測算法的認識、改進以及新算法的提出具有重要作用。

目前，運動目標檢測算法性能的評價方法主要分為兩大類：主觀評價法和客觀評價法。

(1)主觀評價法就是以人作為觀察者，對圖像的優劣做出主觀定性評價。主觀評價法又可分為絕對評價和相對評價兩種。絕對評價是將圖像直接按照視覺感受進行分級評分；相對評價是由觀察者將一批圖像從好到壞進行分類，將它們相互比較得出好壞，并給出相應的評分。主觀評價法對一些明顯的圖像信息進行評價顯得直觀、快捷和易于實現，評價結果也比較全面，符合人類視覺系統感知特點，對最終的圖像質量評測也是十分有用的。但是這種評價方法受觀察者心理因素、觀察者數量、圖像類型、應用場合和觀測環境等因素影響較大，評價過程繁瑣，加之人的視覺心理因素很難用物理量度量，致使評價結果不夠精確，而且主觀評價法難以實現自動化處理，不利于運動目標檢測評價系統的自動化設計。

(2)客觀評價法是根據人眼的主觀視覺系統來建立一定的數學模型來計算運動目標檢測算法檢測到的運動目標，并通過具體的公式計算，得出量化的數字來比較運動目標檢測算法的好壞。常見的運動目標檢測算法客觀評價方法主要包括前景識別率、背景識別率、假陽率、假陰率、誤檢率及精度幾種指標：

前景識別率(Recall，Re)是反映運動目標檢測算法能正確識別運動目標程度的指標；

背景識別率(Specificity，Sp)是反映運動目標檢測算法能正確識別背景程度的指標；

假陽率(False Positive Rate，FPR)是反映運動目標檢測算法在檢測過程中把背景誤判為前景程度的指標，主要與背景點誤判為前景點(即鬼影)有關；

假陰率(False Negative Rate，FNR)是反映運動目標檢測算法在檢測過程中把前景目標誤判為背景程度的指標，主要用于反應檢測目標的空洞程度；

誤檢率(Percentage ofwrong Classifications，PWC)是反映運動目標檢測算法在檢測過程中誤判程度的指標，包括背景被誤判為前景和前景被誤判為背景兩種情況；

精度(Precision，Pre)是反映運動目標檢測算法在檢測過程中前景被正確判斷程度的指標。它只與正確檢測出的前景點及錯誤檢測出的前景點有關。

以上六種統計指標計算方法如下式所示：

Re＝TP/(TP+FN)

Sp＝TN/(TN+FP)

FPR＝FP/(FP+TN)

FNR＝FN/(TP+FN)

Pr e＝TP/(TP+FP)

TP為前景目標被正確識別的點數；FP為背景被誤判為前景的點數；TN為背景目標被正確識別的點數；FN為前景目標被誤判為背景的點數。其中，Re，Sp和Pre指標越大，說明運動目標檢測算法檢測運動目標的性能越好，而FPR、FNR及PWC指標越小，說明運動目標檢測算法檢測運動目標的性能越好。

針對以上不同的客觀評價指標，它們能夠克服人的視覺特性、心理狀態、知識背景等因素的影響，可以提高判斷的準確性和速度，能夠實現自動化處理。但是它們反映出的運動目標檢測算法檢測運動目標的性能側重點各有差異，我們單獨根據某一個指標并不能客觀評價運動目標檢測算法檢測運動目標的性能，而綜合六個指標會存在某個檢測算法的某個指標最為優異而另一個檢測算法的另一個指標最為優異的情況，甚至會出現兩個指標得出結論恰好相反的情況，這會使判斷者產生困惑，同樣不便于運動目標檢測算法最終檢測性能的客觀判定。

發明內容

本發明的目的在于提供一種基于視覺感知的運動目標檢測算法性能的評價方法，在本方法中使用了一種新的評價指標，它能夠符合人類視覺系統感知特點，有效、客觀的對運動目標檢測算法性能進行綜合評價。

一種基于視覺感知的運動目標檢測算法性能的評價方法，包括：

步驟1，選取標準檢測圖片A，通過一種運動目標檢測算法檢測到的圖片B，對圖片A和B進行灰度處理；