[发明专利]显著特征检测方法和装置

说明书

本申请涉及一种显著特征检测方法和装置，所述方法包括：获取视频帧序列，视频帧序列包括目标帧和多个参考帧；计算目标帧与各参考帧之间的光流图；通过第一神经网络模型，对各光流图进行编码，分别得到各参考帧对应的图像变换特征；通过第二神经网络模型，根据各图像变换特征对目标帧的图像特征进行编码，得到目标帧的协同编码图像特征；将协同编码图像特征输入像素级别分类器进行检测，输出目标帧的显著图。本申请提供的方案可以提升对视频进行显著特征检测的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种显著特征检测方法和装置。

背景技术

图像的显著性检测(Saliency Detection)是计算机视觉(ComputationalVision)研究中的基本任务。显著图(Saliency Map)是指对原图片进行显著性检测后得到的图片，即，是计算机依据算法通过模拟人的视觉特点，标注出图像中的显著区域所得到的图片。

通常，在对静态图像进行显著性检测时，采用的方式是首先对图像进行特征提取，然后将提取的特征输入像素级别的预测模型中，得到该静态图像的显著图。与基于静态图像的显著性检测任务相比，由于视频本身的复杂性和多样性，导致针对视频的显著性检测更具难度。

目前，在获取视频的显著图时，通常采用的方法是，直接将静态图像的显著性检测方法应用于视频的显著性检测上，即将视频中每一视频帧作为静态图像以进行显著性检测后得到显著图。显然，这种方式没有考虑连续的视频帧之间的联系，导致获得的显著图不够准确。

发明内容

基于此，有必要针对现有的对视频进行显著图检测的方式不够准确的技术问题，提供一种显著特征检测方法、装置、计算机可读存储介质和计算机设备。

一种显著特征检测方法，包括：

获取视频帧序列；所述视频帧序列包括目标帧和多个参考帧；

计算所述目标帧与各所述参考帧之间的光流图；

通过第一神经网络模型，对各所述光流图进行编码，分别得到各所述参考帧对应的图像变换特征；

通过第二神经网络模型，根据各所述图像变换特征对所述目标帧的图像特征进行编码，得到所述目标帧的协同编码图像特征；

将所述协同编码图像特征输入像素级别分类器进行检测，输出所述目标帧的显著图。

一种显著特征检测装置，包括：

视频帧序列获取模块，用于获取视频帧序列；所述视频帧序列包括目标帧和多个参考帧；

光流图计算模块，用于计算所述目标帧与各所述参考帧之间的光流图；

光流图编码模块，用于通过第一神经网络模型，对各所述光流图进行编码，分别得到各所述参考帧对应的图像变换特征；

图像特征编码模块，用于通过第二神经网络模型，根据各所述图像变换特征对所述目标帧的图像特征进行编码，得到所述目标帧的协同编码图像特征；

显著图检测模块，用于将所述协同编码图像特征输入像素级别分类器进行检测，输出所述目标帧的显著图。

一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述显著特征检测方法的步骤。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述显著特征检测方法的步骤。