[发明专利]一种基于图像显著性和特征先验模型的视频目标检测方法

摘要

一种基于图像显著性和特征先验模型的视频目标检测方法，根据输入正负样本训练卷积神经网络，作为目标的特征先验模型；提取图像序列中某一图像帧的显著性区域，聚类得到显著性候选框；将显著性候选框输入特征先验模型，预测目标位置，以实现图像帧中的目标检测；利用特征先验模型在显著性候选框中定位关键点，利用L‑K稀疏光流方法对关键点计算，预测目标运动方向；在图像帧中，提取满足运动方向约束与置信度阈值的候选，作为新的正负样本，输入并更新特征先验模型；针对所述图像序列中的每个图像帧，重复步骤，实现图像序列的目标检测。本发明实现了目标的检测，且具有抗干扰能力强、检测精度高、实时性能好的特点，增强了目标检测系统的工程应用能力。

主权项

1.一种基于图像显著性和特征先验模型的目标检测方法，特征在于包括以下步骤：(1)根据输入的正负样本训练卷积神经网络，作为目标的特征先验模型；(2)利用谱残差法提取图像序列中某一图像帧的显著性区域，然后通过聚类得到显著性候选框；(3)利用特征先验模型，提取目标候选框中的特征，预测目标位置，以实现所述图像帧中的目标检测；(4)根据特征先验模型的特点定位目标关键点，利用L‑K稀疏光流方法对关键点计算光流信息，预测目标运动方向；(5)在所述图像帧中，提取满足运动方向约束与置信度阈值的候选框，作为新的正负样本，输入并更新特征先验模型；(6)针对所述图像序列中的每个图像帧，重复步骤(2)至步骤(5)，实现图像序列的目标检测；所述步骤(4)中，利用所述卷积神经网络提取所述显著性候选框的特征点，将所述卷积神经网络全连接层对应的连接权重排序，筛选权重值大于设定阈值的特征点为关键点；所述步骤(5)中，在运动方向约束的条件下利用相关性判决条件得到候选框的置信度,根据候选框置信度提取正负样本，更新特征先验模型；所述步骤(5)中，所述提取满足运动方向约束的候选框是指在步骤(4)得到目标运动方向后，在所述目标运动方向上每隔设定值的像素，同时在垂直于所述目标运动方向的方向上引入设定值的偏差，从而提取若干个候选框。