面向目标检测的多尺度运动注意力融合算法研究

运动目标检测是视频分析领域的关键技术之一,针对目前全局运动场景下目标检测算法的局限性,该文提出一种多尺度运动注意力融合的目标检测算法,为目标检测问题提供了新思路。该算法通过时-空滤波去除运动矢量场噪声,根据运动注意力形成机理定义运动注意力模型;为提高注意力计算的准确性,定义了目标像素块的测度公式,采用D-S证据理论对多尺度空间运动注意力进行决策融合,最终获取运动目标区域位置。多个不同高清视频序列的测试结果表明,该文算法在全局运动场景中能准确对目标进行检测定位,从而有效克服了现有算法的局限性。

基于视觉注意力计算的运动目标检测方法研究

为了更准确地在全局运动视频场景中检测运动目标,提出了一种基于运动注意力和粒子滤波自底向上和自顶向下相结合的运动目标检测方法。基于多尺度可变块运动估计估计运动矢量场(Motion Vector Filed,MVF),构建运动注意力模型,得到运动注意力显著图,继而得到运动注意力的初始分布;采用自顶向下的基于目标颜色信息的粒子滤波算法,调整运动注意力的分布状况;使注意力集中到待测目标上,并提取出待测运动目标。实验结果表明,该方法在全局运动场景中能更加准确地检测目标。

基于运动注意力融合模型的目标检测与提取算法

针对全局运动场景下目标检测与提取方法的局限性,文中根据运动注意力形成机理,构建一种运动注意力时-空融合模型用于运动目标的检测与提取.该算法首先对运动矢量场进行叠加和滤波等预处理.然后根据运动矢量在时间和空间上的变化特点定义运动注意力融合模型,并采用该模型检测运动目标区域.最后利用形态学和边界跟踪方法对目标区域进行精确化提取.根据多个不同全局运动视频场景的测试结果,显示该算法比其它算法具有更好的准确性和实时性.