一种视频显著性检测方法与流程

技术特征：
1.一种视频显著性检测方法，其特征在于，包括以下步骤：101、采用vvc编码器进行编码，通过使用视线跟踪数据库，对数据库的所有视频的深度、位分配和运动向量从相应的vvc比特流中提取并进行计算；其中，所述视线跟踪数据库包含不同分辨率的各类型视频；102、在vtm4(vvc test model 4)中，使用一种基于块的仿射运动补偿预测，具体的，一个块的仿射运动域由两个控制点(control point)组成的四参数模型或三个控制点(control point)组成的六参数模型运动矢量来表示；merge mode with mvd又叫做umve，在选择运动矢量候选列表(mv candidate)之后，umve会以此为起点做更精细的运动搜索，而在码流中只需要传送器对应的index即可，然后，为每个视频帧生成这些特征的地图；103、将上述这些特征以滤波器优化后，基于以上的特征，使用非线性二分类方法训练数据；通过显著性映射和处理，得到显著性图，完成显著性检测；具体的，非线性二分类方法为svm支持向量机分类法，svm支持向量机是将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面，在分开数据超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化，步骤如下：(1)导入数据；(2)数据归一化；(3)执行svm寻找最优的超平面；(4)绘制分类超平面核支持向量；(5)利用多项式特征在高维空间中执行线性svm；(6)选择核函数，执行非线性svm；其中，所述滤波器为二维高斯滤波器、中值滤波器或均值滤波器；104、将序列最小优化算法(smo)用于训练所述svm支持向量机分类法，进行二次优化，其中，一次迭代只优化两个变量而固定剩余的变量；105、通过非参数化的蒙特卡洛模拟方法来实现递推贝叶斯滤波，真实地模拟后续过程，在帧内预测中，每个ctu用来模拟空间显著性，在帧间预测中，每个编码块的分割深度用来模拟时间显著性。

技术总结
本发明属于计算机视觉技术领域，公开了一种视频显著性检测方法，通过使用视线跟踪数据库，对其中的所有视频的深度、位分配和运动向量等特征从相应的VVC比特流中提取并进行计算。接着，为每个视频帧生成这些特征的地图。然后，将上述这些特征经过滤波器进行优化，并通过非线性二分类的方法训练数据。最后，通过显著性映射和处理，完成显著性检测，从而实现了快速准确地进行显著性检测，减小算法计算量，提高检测效率。提高检测效率。提高检测效率。


技术研发人员：杨威 杨金锋 景晓军 袁航 江巧捷 曾晶
受保护的技术使用者：广东南方电信规划咨询设计院有限公司
技术研发日：2022.05.26
技术公布日：2022/7/22