基于视觉注意的显著性目标检测与跟踪方法研究

视觉注意是人类和动物赖以生存的重要认知功能。研究具有注意机制的主动视觉计算模型，对探索认知过程初期大范围知觉组织以及具有主动环境感知的视觉计算系统具有重要意义。本课题旨在围绕注意选择中的信息交互问题，探索视觉信息动态协作与组织的有效计算途径，突破视觉目标检测与跟踪的关键技术。主要研究内容包括：针对视网膜各层细胞动态交互协作机理，研究一种新的运动差异性检测模型，为快速检测视频流中独立运动目标提供一种新的动态显著性生成方法；在"物体"尺度上，利用统计结构学习，探讨人类视觉注意中显著性特征的组织方法，研究基于视觉注意的显著性目标检测模型；利用目标的显著性、时空约束、以及目标与环境的动态差异性，结合概率图论，研究鲁棒的显著性目标跟踪模型。经过本课题的组织与实施可为在动态场景中自主行使车辆提供一般性障碍物检测与跟踪方法，对可视媒体内容分析与整理的研究也具有借鉴意义。