结合置信度加权融合与视觉注意机制的前景检测

摘要：

目的 在视频前景检测中,像素级的背景减除法检测结果轮廓清晰,灵活性高.然而,基于样本一致性的像素级分类方法不能有效利用像素信息,遇到颜色伪装和出现静止前景等复杂情形时无法有效检测前景.为解决这一问题,提出一种基于置信度加权融合和视觉注意的前景检测方法.方法 通过加权融合样本的颜色置信度和纹理置信度之和判断前景,进行自适应更新样本的置信度和权值;通过划分子序列结合颜色显著性和纹理差异度构建视觉注意机制判定静止前景目标,使用更新置信度最小样本的策略保持背景模型的动态更新.结果 本文方法在CDW2014(change detection workshops 2014)和SBM-RGBD(scene background modeling red-green-blue-depth)数据集上进行检测,相较于5种主流算法,本文算法的查全率和精度相较于次好算法分别提高2.66％和1.48％,综合性能最优.结论 本文算法提高了在颜色伪装和存在静止前景等复杂情形下前景检测的精度和召回率,在公开数据集上得到更好的检测效果.可将其应用于存在颜色伪装和静止前景等复杂情形的视频监控中.

关键词：目标检测;前景检测;置信度;颜色伪装;视觉注意;静态前景

所属期刊栏目：26

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目;社会安全风险感知与防控大数据应用国家工程实验室主任基金项目

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2462-2472