视觉搜索效能评估方法、装置、设备、介质和程序产品

1.本技术涉及人机交互技术领域，特别是涉及一种视觉搜索效能评估方法、装置、设备、介质和程序产品。


背景技术：

2.随着信息技术的发展，用户往往需要在复杂的界面中寻找需要的目标信息，例如在大型门户网站中找到某个链接的入口，或者在电子地图界面上找到某个目的地的图标。
3.然而，目前的视觉搜索评估方法都不够准确。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种对视觉搜索评估结果进行量化的视觉搜索效能评估方法、装置、设备、介质和程序产品。
5.第一方面，本技术提供了一种视觉搜索效能评估方法。该方法包括：获取待评估的背景图像与目标图像；将目标图像叠加至背景图像的不同位置处，以得到多个候选图像；获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度；将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
6.在其中一个实施例中，将目标图像叠加至背景图像的不同位置处，包括：通过滑窗法将目标图像叠加在背景图像的不同位置处。
7.在其中一个实施例中，将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，包括：
8.将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
9.在其中一个实施例中，目标模型的训练过程包括：
10.获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
11.在其中一个实施例中，方法还包括：
12.根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
13.在其中一个实施例中，获取待评估的背景图像与目标图像，包括：
14.获取多个不同视觉显示参数的背景图像；对应的，方法还包括：根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
15.第二方面，本技术还提供了一种视觉搜索效能评估装置。该装置包括：
16.第一获取模块，用于获取待评估的背景图像与目标图像；
17.叠加模块，用于将目标图像叠加至背景图像的不同位置处，以得到多个候选图像；
18.第二获取模块，用于获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度；
19.输入模块，用于将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
20.在其中一个实施例中，叠加模块，具体用于通过滑窗法将目标图像叠加在背景图像的不同位置处。
21.在其中一个实施例中，输入模块，具体用于将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
22.在其中一个实施例中，还包括训练模块，训练模块用于获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
23.在其中一个实施例中，还包括截取模块，截取模块用于根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
24.在其中一个实施例中，第一获取模块具体用于获取多个不同视觉显示参数的背景图像；对应的，还包括确定模块，确定模块用于根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
25.第三方面，本技术还提供了一种计算机设备。该计算机设备包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述视觉搜索效能评估方法。
26.第四方面，本技术还提供了一种计算机可读存储介质。该计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述视觉搜索效能评估方法。
27.第五方面，本技术还提供了一种计算机程序产品。该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述视觉搜索效能评估方法。
28.上述视觉搜索效能评估方法、装置、设备、介质和程序产品，首先，获取待评估的背景图像与目标图像；然后，将目标图像叠加至背景图像的不同位置处，得到多个候选图像；同时获取与多个候选图像一一对应的多组特征数据，最后将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间。其中，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，图像特征数据包括hsv值和图像梯度。通过将目标图像叠加至背景图像不同位置，得到多个候选图像，然后获取候选图像和目标图像的hsv值和图像
梯度，输入目标模型中得到目标图像在背景图像中被搜索到的平均搜索响应时间，实现了视觉搜索评估结果的量化。
29.进一步地，评估方法采用图像的hsv和图像梯度，更接近人类视觉系统的感知，同时考虑了背景图像对目标图像搜索的影响，得到的评估结果更加准确。
附图说明
30.图1为一个实施例中视觉搜索效能评估方法的流程示意图；
31.图2为一个实施例中视觉搜索效能评估方法的流程示意图；
32.图3为一个实施例中视觉搜索效能评估方法的流程示意图；
33.图4为另一个实施例中样本背景区域和样本目标区域的界定；
34.图5为另一个实施例中视觉搜索效能评估方法的流程示意图；
35.图6为另一个实施例中视觉搜索效能评估方法的流程示意图；
36.图7为另一个实施例中视觉搜索效能评估方法的优化过程示意图；
37.图8为一个实施例中视觉搜索效能评估装置的结构框图；
38.图9为另一个实施例中视觉搜索效能评估装置的结构框图；
39.图10为一个实施例中计算机设备的内部结构图。
具体实施方式
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
41.随着信息技术的发展，用户往往需要在复杂的界面中寻找需要的目标信息，例如在大型门户网站中找到某个链接的入口，或者在电子地图界面上找到某个目的地的图标。然而，目前的视觉搜索评估方法都不够准确。
42.有鉴于此，本技术实施例提供了一种视觉搜索效能评估方法，这个方法通过将目标图像叠加至背景图像不同位置，得到多个候选图像，然后获取候选图像和目标图像的hsv值和图像梯度，输入目标模型中得到目标图像在背景图像中被搜索到的平均搜索响应时间，实现了视觉搜索评估结果的量化。
43.在一个实施例中，如图1所示，提供了一种视觉搜索效能评估方法，以该方法应用于终端为例进行说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。该方法包括以下步骤：
44.步骤101，终端获取待评估的背景图像与目标图像。
45.获取需要进行评估的背景图像和目标图像，其中，背景图像中不包括目标图像。目标图像为用户需要进行搜索的图像。例如背景图像可以是一幅电子地图，目标图像为电子地图上用户需要进行搜索的一个的图标。
46.步骤102，终端将目标图像叠加至背景图像的不同位置处，以得到多个候选图像。
47.当目标图像位于背景图像中的某个位置时，得到一个候选图像。将目标图像叠加至背景图像的不同位置处，从而得到了多个候选图像。候选图像为背景图像上包括了目标图像的图像。
48.步骤103，终端获取与多个候选图像一一对应的多组特征数据。
49.其中，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度。在图像处理中，hsv颜色空间更接近人眼对彩色的感知，hsv的三个颜色的参数分别是色调(h)、饱和度(s)和明度(v)。图像梯度可以作为图像可识别率的重要特征，人眼对于图像梯度十分敏感。计算各个候选图像的hsv值和图像梯度，同时计算目标图像的hsv值和图像梯度，可以将对应的数据存入参数数据库中。
50.步骤104，终端将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间。
51.其中，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。平均搜索响应时间越长，即从背景图像中搜索到目标图像的效能越低，平均搜索响应时间越短，即从背景图像中搜索到目标图像的效能越高。目标模型为通过训练得到的通过输入图像特征数据得到搜索目标图像搜索响应时间的模型。将多组特征数据分别输入目标模型中，即每次输入一组特征数据至目标模型，得到目标图像位于背景图像一个位置时的搜索响应时间，多组特征数据分别输入后，得到目标图像位于背景图像中多个位置时的各自的搜索响应时间，对多个搜索响应时间求平均，得到目标图像在背景图像中通过视觉进行搜索到的平均搜索响应时间。
52.上述视觉搜索效能评估方法，首先，获取待评估的背景图像与目标图像；然后，将目标图像叠加至背景图像的不同位置处，得到多个候选图像；同时获取与多个候选图像一一对应的多组特征数据，最后将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间。其中，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，图像特征数据包括hsv值和图像梯度。通过将目标图像叠加至背景图像不同位置，得到多个候选图像，然后获取候选图像和目标图像的hsv值和图像梯度，输入目标模型中得到目标图像在背景图像中被搜索到的平均搜索响应时间，实现了视觉搜索评估结果的量化。
53.进一步地，评估方法采用图像的hsv和图像梯度，更接近人类视觉系统的感知，同时考虑了背景图像对目标图像搜索的影响，得到的评估结果更加准确。
54.在本技术的实施例中，为了得到目标图像在背景图像中的搜索效能，通过将目标图像叠加至背景图像的不同位置处，得到目标图像在背景图像的不同位置处的搜索相应时间，具体步骤包括：通过滑窗法将目标图像叠加在背景图像的不同位置处。
55.滑窗法主要是对输入背景图像通过给定窗口大小的滑窗进行从左往右，从上到下的滑动。通过滑窗法对目标图像叠加在背景图像的不同位置处取样，得到多个候选图像。候选图像为背景图像上的某个位置叠加了目标图像的图像。
56.在本技术的实施例中，如图2所示，将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，具体步骤包括：
57.步骤201，终端将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间。
58.每一组特征数据包括候选图像和目标图像的各自的hsv值和图像梯度，将特征数据输入目标模型，目标模型输出目标图像在背景图像当前位置时的搜索响应时间。
59.步骤202，终端计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
60.多组特征数据为目标图像在背景图像中的多个位置时的特征数据，通过计算多组特征数据得到的多个搜索响应时间也即为目标图像在背景图像中的多个位置各自的搜索响应时间，计算多个搜索响应时间的平均值，得到平均搜索响应时间，平均搜索响应时间即为通过视觉从背景图像中搜索到目标图像的效能的量化结果。
61.在本技术的实施例中，需要先通过样本数据对目标模型进行训练，使目标模型能够根据输入数据得到搜索响应时间，如图3所示，具体训练过程包括：
62.步骤301，终端获取样本数据。
63.其中，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间。
64.可选的，样本背景区域和样本目标区域根据人眼处理视觉信息的能力所确定，具体包括以下两种情况：
65.第一种情况，根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内。
66.其中，人眼分辨细致的物理轮廓、形状等能力主要依靠中心视力，黄斑是视网膜的中心部分，对应视角为18度左右。第一对应视角即为18度左右，即将样本背景图像中的18度范围内划分为样本背景区域，如图4所示的大圆形范围内。
67.第二种情况，根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
68.人眼处理视觉信息最高分辨率能力基于中央凹，对应视角为5度左右。第二对应视角即为5度左右，即将样本背景图像中的5度范围内划分为样本目标区域，如图4所示小圆形范围内。
69.然后，计算样本背景区域的hsv值和图像梯度，样本目标区域的hsv值和图像梯度，作为目标模型的输入数据。目标模型的输出数据为样本目标区域在样本背景区域中时对应的样本搜索时间。其中，样本搜索时间通过系统实验的方式得到。以200名以上，具有不同受教育程度、男女平衡的、不同文化背景的参与者为被测试群体，(1)告知参与者实验任务内容，遵循自愿原则，签署知情同意书，并对参与者信息及个人数据进行登记；(2)正式实验开始前，每个参与者进行10次的练习训练，完成训练并能准确反应后进入正式实验；(3)正式实验中，每做完200次，参与者将获得20秒时间休息，休息时间结束后，进入下一个实验过程；(4)完成全部试验后实验结束，然后收集参与者各自的搜索响应时间数据。
70.步骤302，终端将样本数据输入至初始检测模型中进行训练，以得到目标模型。
71.将上述样本数据输入初始检测模型中进行训练，得到目标模型的各参数，从而得到目标模型。
72.上述实施例中，通过考虑人眼视觉角度，采集真实人眼搜索响应时间作为样本，进行目标模型的训练，目标模型的预测结果更准确。
73.可选的，获取待评估的背景图像与目标图像，可以得到目标图像的搜索效能的量化值，进一步的可以通过该量化值对视觉显示参数进行优化，具体步骤如图5所示，包括：
74.步骤501，获取多个不同视觉显示参数的背景图像。
75.视觉显示参数可以包括图像的对比度、饱和度以及亮度等参数。不同视觉显示参数的背景图像也即对比度、饱和度或者亮度数值不同的多个背景图像。
76.步骤502，根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
77.根据多个不同视觉参数的背景图像和目标图像，分别通过上述方法计算目标图像的评价搜索响应时间，也即目标图像的搜索效能的量化值，根据目标图像的搜索效能可以确定视觉显示参数的最优参数组合。最优参数组合即能使目标图像的搜索效能最大，也即平均搜索时间最小的视觉参数组合。
78.上述实施例中，通过对不同视觉参数下的背景图像与目标图像的搜索效能进行评估，从而找到最优的视觉参数组合，从而可以对背景图像进行优化，以提升人的搜索响应速度，通过这种方式在复杂界面搜索信息时可以提升用户体验。
79.在本技术的实施例中，请参考图6，其示出了本技术实施例提供的视觉搜索效能评估方法的流程图，该视觉搜索效能评估方法包括以下步骤：
80.步骤601，终端获取样本数据。
81.步骤602，终端将样本数据输入至初始检测模型中进行训练，以得到目标模型。
82.步骤603，终端获取待评估的背景图像与目标图像。
83.步骤604，终端将目标图像叠加至背景图像的不同位置处，以得到多个候选图像。
84.步骤605，终端获取与多个候选图像一一对应的多组特征数据。
85.步骤606，终端将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间。
86.步骤607，终端计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
87.为了方便读者理解本技术实施例提供的技术方案，下面对本技术的视觉搜索效能评估方法和对图像的优化过程进行举例说明。请参考图7，首先输入背景图像和目标图像，基于滑窗技术对目标图像在背景图像上不同位置取样，然后计算背景图像和目标图像的hsv值和图像梯度，输入目标模型中进行计算，得到平均搜索响应时间，也即得到目标图像的搜索效能。然后通过计算不同视觉参数下的目标图像搜索效能，得到最优视觉参数。最后，根据最优视觉参数对原图像的视觉参数进行优化。
88.应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
89.基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的视觉搜索效能评估方法的视觉搜索效能评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个视觉搜索效能评估装置实施例中的具体限定可以参见上文中对于视觉搜索效能评估方法的限定，在此不再赘述。
90.在一个实施例中，如图8所示，提供了一种视觉搜索效能评估装置800，包括：第一获取模块801、叠加模块802、第二获取模块803和输入模块804，其中：
91.该第一获取模块801，用于获取待评估的背景图像与目标图像。
92.该叠加模块802，用于将目标图像叠加至背景图像的不同位置处，以得到多个候选图像。
93.该第二获取模块803，用于获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度。
94.该输入模块804，用于将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
95.在本技术的实施例中，该叠加模块802，具体用于通过滑窗法将目标图像叠加在背景图像的不同位置处。
96.在本技术的实施例中，该输入模块804，具体用于将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
97.请参考图9，其示出了本技术实施例提供的另一种视觉搜索效能评估装置900，该视觉搜索效能评估装置900除了包括视觉搜索效能评估装置800包括的各模块外，还包括训练模块901、截取模块902和确定模块903。
98.其中，该训练模块901，用于获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
99.该截取模块902，用于根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
100.在本技术的一个实施例中，该第一获取模块801，具体用于获取多个不同视觉显示参数的背景图像。该确定模块903，用于根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
101.上述视觉搜索效能评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
102.在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过
wifi、移动蜂窝网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种视觉搜索效能评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
103.本领域技术人员可以理解，图10中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
104.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
105.获取待评估的背景图像与目标图像；将目标图像叠加至背景图像的不同位置处，以得到多个候选图像；获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度；将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
106.在一个实施例中，处理器执行计算机程序时还实现以下步骤：通过滑窗法将目标图像叠加在背景图像的不同位置处。
107.在一个实施例中，处理器执行计算机程序时还实现以下步骤：将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
108.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
109.在一个实施例中，处理器执行计算机程序时还实现以下步骤：根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
110.在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取多个不同视觉显示参数的背景图像；根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
111.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
112.获取待评估的背景图像与目标图像；将目标图像叠加至背景图像的不同位置处，以得到多个候选图像；获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度；将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
113.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过滑窗法将目标图像叠加在背景图像的不同位置处。
114.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
115.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
116.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
117.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取多个不同视觉显示参数的背景图像；根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
118.在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
119.获取待评估的背景图像与目标图像；将目标图像叠加至背景图像的不同位置处，以得到多个候选图像；获取与多个候选图像一一对应的多组特征数据，各组特征数据包括对应的候选图像的图像特征数据和目标图像的图像特征数据，其中，图像特征数据包括hsv值和图像梯度；将多组特征数据分别输入目标模型中，根据目标模型的输出得到平均搜索响应时间，平均搜索响应时间用于表征通过视觉从背景图像中搜索到目标图像的效能。
120.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：通过滑窗法将目标图像叠加在背景图像的不同位置处。
121.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将多组特征数据中的每一组数据输入目标模型中，得到目标图像在背景图像中一个位置的搜索响应时间；计算多组特征数据得到的多个搜索响应时间的平均值，得到平均搜索响应时间。
122.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取样本数据，样本数据包括样本背景区域的hsv值和图像梯度、样本目标区域的hsv值和图像梯度以及样本背景区域和样本目标区域对应的样本搜索响应时间；将样本数据输入至初始检测模型中进行训练，以得到目标模型。
123.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据预先设定的第一划分规则从样本背景图像中截取得到样本背景区域，第一划分规则为在第一对应视角范围内；根据预先设定的第二划分规则将样本目标图像叠加到样本背景图像中，得到样本目标区域，第二划分规则为在第二对应视角范围内。
124.在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取多个不同视觉显示参数的背景图像；根据各背景图像对应的平均搜索响应时间确定视觉显示参数的最优参数组合。
125.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户
授权或者经过各方充分授权的信息和数据。
126.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
127.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
128.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。