基于视频显著性排序的视频重定向方法及系统

本发明公开了一种基于视频显著性排序的视频重定向方法及系统，首先获取至少包含每个实例边界框，掩码结果和显著性排名的视频显著物体排序数据集；构建基于Mask R‑CNN和图神经网络的显著物体排序模型，通过Mask R‑CNN区分图像中的显著物体和非显著物体，通过注意力机制和位置保护注意力(PPA)提取实例特征后，将特征输入图神经网络中，比较每个实例的显著性值并进行排序；计算显著性中心为裁剪中心，根据目标长宽比得到裁剪框的尺寸,最后利用LOESS方法平滑裁剪中心的时间序列，根据平滑后的裁剪中心和裁剪框的尺寸对视频帧进行裁剪得到重定向后的视频。本发明方法能够最大程度上保留显著性区域并保证场景的连续性。