基于视觉注意机制的目标跟踪方法

J4 ›› 2014, Vol. 36 ›› Issue (08): 1549-1554.

基于视觉注意机制的目标跟踪方法

张巧荣，张慧娟

（河南财经政法大学计算机与信息工程学院，河南郑州 450002）

收稿日期:2012-10-16 修回日期:2013-03-26 出版日期:2014-08-25 发布日期:2014-08-25
基金资助:
河南省基础与前沿技术研究计划资助项目（122300410379）；河南省教育厅科学技术研究重点资助项目（14A520025）

Object tracking based on visual attention

ZHANG Qiaorong,ZHANG Huijuan

(College of Computer and Information Engineering,Henan University of Economics and Law,Zhengzhou 450002,China)

Received:2012-10-16 Revised:2013-03-26 Online:2014-08-25 Published:2014-08-25

摘要/Abstract

摘要：

提出一种基于视觉注意机制的运动目标跟踪方法。该方法借鉴人类的视觉注意机制的研究成果，建立视觉注意机制的计算模型，计算视频中各部分内容的视觉显著性。结合视觉显著性计算结果，提取视频图像中的显著性目标。利用颜色分布模型作为目标的特征表示模型，与视频中各显著目标进行特征匹配，实现目标的跟踪。在多个视频序列中进行实验，并给出相应的实验结果及分析。实验结果表明，提出的目标检测与跟踪算法是正确有效的。

关键词: 目标检测, 目标跟踪, 视觉注意, 视觉显著性, 显著图

Abstract:

An algorithm for moving object tracking based on visual attention mechanism is proposed. Human visual attention mechanism is introduced in the proposed algorithm and a computational model of visual attention is constructed. Based on the computational model, the visual saliency of each part in videos is computed. Salient objects are detected according to the visual saliency results. Using the color distribution model as the representation model of the object, objects are tracked by calculating the similarity of salient objects in the two successive frames by. The algorithm is tested on many video sequences. Experimental and analysis results show that the proposal is robust and effective for object detection and tracking in videos.

Key words: Object detection;object tracking;visual attention;visual saliency;saliency map

张巧荣，张慧娟. 基于视觉注意机制的目标跟踪方法[J]. J4, 2014, 36(08): 1549-1554.

ZHANG Qiaorong,ZHANG Huijuan. Object tracking based on visual attention [J]. J4, 2014, 36(08): 1549-1554.

[1]	张永智, 何可人, 戈珏. 改进YOLOv7网络在低空遥感图像目标检测中的应用[J]. 计算机工程与科学, 2024, 46(07): 1269-1277.
[2]	王泽宇, 徐慧英, 朱信忠, 李琛, 刘子洋, 王子奕. 基于YOLOv8改进的密集行人检测算法：MER-YOLO[J]. 计算机工程与科学, 2024, 46(06): 1050-1062.
[3]	胡昭华, 王长富, . 改进Faster R-CNN的遥感图像小目标检测算法[J]. 计算机工程与科学, 2024, 46(06): 1063-1071.
[4]	赵金源, 贾迪. 改进YOLOv5的多人姿态估计修正算法[J]. 计算机工程与科学, 2024, 46(05): 852-860.
[5]	黄珍伟, 陈伟, 王文杰, 路锦通. 基于改进 RetinaNet网络的水下机器人目标检测与实验[J]. 计算机工程与科学, 2024, 46(02): 264-271.
[6]	江志鹏, 王自全, 张永生, 于英, 程彬彬, 赵龙海, 张梦唯. 基于改进Deformable DETR的无人机视频流车辆目标检测算法[J]. 计算机工程与科学, 2024, 46(01): 91-101.
[7]	张骞, 陈紫强, 孙宗威, 赖镜安. 融合高分辨率网络的雾天目标检测算法[J]. 计算机工程与科学, 2023, 45(11): 1970-1981.
[8]	赵玥, 肖梦燕, 邱宝军, 罗军, 王小强, 罗道军. 基于机器视觉的集成电路声扫图像缺陷检测软件设计[J]. 计算机工程与科学, 2023, 45(10): 1806-1813.
[9]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(09): 1578-1592.
[10]	刘浩翰, 孙铖, 贺怀清, 惠康华. 基于改进YOLOv3的金属表面缺陷检测[J]. 计算机工程与科学, 2023, 45(07): 1226-1235.
[11]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[12]	李校林, 王复港, 张鹏飞, 张琳玉, . 基于多尺度特征提取的YOLOv5s算法优化[J]. 计算机工程与科学, 2023, 45(06): 1054-1062.
[13]	邓姗姗, 黄慧, 马燕. 基于改进Faster R-CNN的小目标检测算法[J]. 计算机工程与科学, 2023, 45(05): 869-877.
[14]	霍爱清, 张书涵, 杨玉艳, 胥静蓉, 王泽文. 密集交通场景中改进YOLOv3目标检测优化算法[J]. 计算机工程与科学, 2023, 45(05): 878-884.
[15]	贾志, 李茂军, 李婉婷. 基于改进YOLOv5+DeepSort算法模型的交叉路口车辆实时检测[J]. 计算机工程与科学, 2023, 45(04): 674-682.