论文部分内容阅读
视觉注意机制使人类能够高效的处理外界环境信息，进行目标检测。计算机视觉系统也面临同样的问题：如何实时有效的处理大量的视觉数据，如何智能化的根据场景的需求来有效的处理其中的事物。模拟人类视觉注意机制是解决这类问题的一种方法。本文研究工作如下所示： 首先，回顾了视觉注意机制的特点，对经典视觉注意理论进行了综述，介绍了视觉注意机制建模中的经典模型包括自底向上注意模型和自顶向下模型，和结合了自底向上和自顶向下思想的what-where模型，以及视觉注意机制在目标检测和图像压缩上的应用。 其次，提出了一种基于视觉注意机制的目标检测模型，该模型分视觉注意建模和目标检测两部分，视觉注意建模考虑了图像局部区域之间的不相似度、图像局部区域之间的空间距离、图像局部区域到图像中央的距离即中央偏好特性这三个特性。本文通过视觉注意机制建模来确定感兴趣区域，这一区域最有可能含有目标相关信息。目标检测阶段，本文利用AdaBoost算法训练分类器，在前面确定的感兴趣区域上进行目标检测。本文结合视觉注意机制介绍了如何提高检测的性能。 最后，将模型应用于敏感图像检测与车辆检测。检测方法结合了视觉注意模型，并且训练了身体敏感部位分类器和车辆检测器。实验结果表明，该模型能够有效提高系统性能。