复杂城市交通环境中视觉显著性目标检测与分析

本项目面向智能车辆环境感知等应用需求，研究在复杂动态场景下的显著目标检测与分析方法。本项目拓展传统的信息处理框架，通过借鉴人类的视觉注意由低层到高层的选择过程，建立自下而上及自上而下相结合的多层次显著图定义与计算方法，促使注意系统快速准确地选择特定的目标；通过离线与在线的机器学习方法，获得对特定交通场景、物体及其运动的长期与短期的知识先验，并将其注入到实时处理中；基于多层次特征图所提供的选择机制，优先计算视觉显著性特征/目标/事件，实现在复杂动态环境中目标的检测与分析的高效计算。本项目的研发算法将在真实智能车实验平台上进行验证。本项目的成果可为无人驾驶车辆机器视觉提供新型计算模型与系统实现方法，提高计算机在复杂动态环境中视觉感知信息的理解能力和海量异构信息的处理效率。

如何借鉴人类的注意机制，建立有效的目标检测与分析算法，即基于视觉显著性的目标检测与分析，是近年来智能车视觉环境感知的一个重要研究课题。在项目执行期间，我们重点研究了以下三个问题：（1）注意功能在视野中的分离，对自下而上和自上而下视觉空间注意对视觉目标刺激检测的调控开展了一系列行为和神经成像研究；（2）复杂交通场景中的车辆检测，包括多视角下和第一视角下的车辆检测；（3）基于双平面镜成像系统的多视点几何和三维重建。我们的研究主要取得了以下研究成果：累计在心理学和计算机视觉领域具有重要影响的期刊和会议上发表了28篇标注有项目资助号的国际学术论文；基于该项目的研究成果，项目组成员参加了15次国际学术会议，和国际同行进行了交流，增强了团队在国际上的学术可见度；本项目促进了10名博士生和15名硕士生的培养。