计算机工程

作者：杨家豪, 王雷

单位：中国科学技术大学信息科学技术学院, 安徽 合肥 230026

关键词：关注目标检测,时空推理,注意力机制,卷积长短时记忆网络,多特征融合

基金：高技术创新特区项目(20-163-14-LZ-001-004-01)

现有的个体关注目标检测主要是利用面部信息进行的, 难以应对因人脸部分遮挡、人脸模糊或隐私保护等情况导致面部精细信息缺失的场景, 并且忽视时间信息也会一定程度上影响在视频任务中的效果。基于此, 提出基于多特征融合的时空推理网络, 利用卷积神经网络分别提取个体的头部外观与面部信息、个体姿态信息以及相关场景信息的关键特征, 通过空间推理编码器的注意力机制和自定义的模型训练策略, 学习不同特征的重要程度并降低对单个特征的过分依赖, 实现空间特征加权融合。采用卷积长短时记忆(Conv-LSTM)网络整合视频帧序列中的时空信息, 用于视频任务中的个体关注目标检测工作。实验结果表明, 该方法在GazeFollow数据集和VideoAttentionTarget数据集上整体性能的AUC值分别达到了0.936和0.902。与现有最好的研究方法相比, 该方法在两个数据集上的AUC值分别提高了1.7和3.2百分点, 在个体关注目标检测任务中具有更好的准确性和鲁棒性, 可用于更复杂的现实场景。

来源：2026年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第5期