[发明专利]一种基于交通视频数据图像的确定交通目标所在区域的方法

说明书

技术领域

本发明属于计算机视觉技术领域，涉及一种基于交通视频数据图像的确定交通目标所在区域的方法。

背景技术

研究驾驶员的视觉注意力对于减少交通事故、提高驾驶舒适度、研究智能视觉导航系统和交互式负载操控系统均具有重要意义。研究驾驶员的视觉注意力的目的在于确定交通视频中引起驾驶员关注的交通目标所在区域，常见的交通目标包括了行人、车辆、交通标志等。相较于使用昂贵的高精度相机、导航仪器、传感器等硬件设备来识别和定位交通目标所在区域的方法而言，基于计算视觉的算法具有成本低、智能度高、易于移植等优势。目前已有的基于计算机视觉的定位交通目标所在区域的方法大多建立于人体视网膜系统中存在的“中心-周围对比机制”上，通过计算颜色、边缘等底层特征，找出具有明显中心-周围差异的区域、作为可能存在交通目标的区域，然后进一步通过分割、滤波等方法，最终定位出交通目标。这些方法虽然取得了较好的效果，却也具有一些难以克服的缺陷：1）只能识别出某一种交通目标，无法找出整个交通场景中的所有可能引起驾驶员关注的交通目标；2）方法繁琐复杂；3）未考虑高层视觉认知的指导，不符合真实的驾驶员视觉注意力分配情况。4）大多数是无监督的处理方法，未能充分利用已经掌握的交通目标的视觉特征。

发明内容

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于交通视频数据图像的确定交通目标所在区域的方法，是一种眼动跟踪数据指导的确定交通目标所在区域的方法。

技术方案

一种基于交通视频数据图像的确定交通目标所在区域的方法，其特征在于步骤如下：

步骤1、提取基于物体的特征：

步骤a：训练目标检测模板：利用Pedro Felzenszwalb在2010年发布的可变局部模型方法，训练交通目标检测模板；

所述Pedro Felzenszwalb在2010年公布的可变局部模型方法见论文Object Detection with Discriminatively Trained Part-Based Models；

步骤b：用步骤a训练好的模板，对图像进行滤波，具体过程为：首先利用下采样技术得到每一幅输入图像在4个不同尺度上的图像，将这4幅各自位于4个不同尺度上的图像与步骤a训练好的所有模板逐个进行卷积计算，得到4幅响应图像；接下来，将这4幅响应图像进行线性插值，使其变换到相同尺寸；然后找出每个像素在这4幅响应图上的最大响应值、组成一幅最大响应图，求最大响应图里的像素平均值，作为此幅图像关于当前这个模板的特征值；对步骤a训练得到的12个模板，逐一按照上述方法进行滤波，就得到了分别对应这个12个模板的12个特征值，将这12个特征值线性连接成一个12维的特征向量，代表基于物体的特征；

步骤2、提取运动特征：