慢速特征分析（SFA）可以从快速变化的输入数据中提取缓慢变化的信号。 受时间慢度原理的启发，我们提出了一种新颖的时空显着性算法用于动态场景分析。 在训练阶段，使用SFA从不同的视频补丁中学习慢速功能。 在显着性计算阶段，我们首先利用两层慢特征函数提取像素级高级运动特征，这些特征表示每个局部时空长方体的时间慢度。 每个位置的时间显着性通过相应特征向量的平均值来度量。 最后，通过组合建议的时间显着性和现有空间显着性来生成显着性图。 对具有挑战性的视频序列进行了定性和定量评估，与最新算法相比，该算法具