面向运动目标检测的粒子滤波视觉注意力模型
2016-11-25樊波阳刘金星杨乐超
电子学报 2016年9期
刘 龙,樊波阳,刘金星,杨乐超
(西安理工大学自动化学院,陕西西安 710048)
面向运动目标检测的粒子滤波视觉注意力模型
刘 龙,樊波阳,刘金星,杨乐超
(西安理工大学自动化学院,陕西西安 710048)
视觉注意力是机器视觉领域的研究热点,对目标检测、跟踪等技术发展具有积极意义,本文面向运动目标检测问题,构建了一种基于粒子滤波的视觉注意力模型.首先依据贝叶斯估计理论,推导了基于注意力的粒子权重计算方法;然后将运动注意力和目标颜色注意力分别作为自底向上(Bottom-Up)和自顶向下(Top-Down)注意力的输入,通过重要性采样、粒子权值计算、重采样等形成粒子注意力显著图,并确定目标位置;测试结果显示本文方法能够获取比其它方法更好的目标注意力显著图,并具有准确的目标检测效果.
注意力模型;运动目标检测;粒子滤波;融合
1 引言
运动目标检测是机器视觉领域的重要问题之一,是目标跟踪、识别的前提,但在复杂运动场景中,现有运动目标检测方法仍存在一定局限和不足.传统的运动目标检测方法有背景差分法、帧间差分法和全局运动补偿法,背景差分法和帧间差分法只局限于局部运动场景,全局运动补偿法适用范围广,但准确性受到目标大小和运动强度影响,当目标体较大或运动较强烈时,全局运动估算准确性下降,不能进行全局有效补偿,导致运动目标检测存在较大误差.近些年,视觉感知研究逐渐融入了人类生……
登录APP查看全文
