基于视觉选择性注意机制的物体的识别与跟踪研究

论文摘要

视觉选择性注意模型是以认知科学、神经心理学等相关领域的研究成果为基础的,在计算机信息处理中引入并研究这种选择性注意机制,其理论成果对于智能信息研究发展具有重要的意义。本文的主要研究内容是建立一个具有较好定量描述能力的视觉选择性注意模型来实现对特定物体的识别和运动物体的检测跟踪。首先围绕建立视觉选择性注意模型的相关问题研究,主要探讨了建立模型过程中的若干关键技术。将尺度、显著性和物体识别放在一个框架里来研究,分析了视觉中的尺度问题和尺度空间的表示方法以及显著性度量。选取亮度、颜色、方向三种特征及尺度共同引导注意,对特征图合并采取局部迭代策略,从而形成特征空间的显著性度量;其次对图像中的主尺度进行估计,建立特征图的尺度空间表示,结合尺度与特征实现显著性度量,并对注视点进行最佳尺度选择;然后根据注视点的尺度,近似估算注意目标的大小实现了感兴趣区域的建模。最后进行了模拟实验,基于本文的视觉选择性注意模型,结合基于局部不变性特征识别,实现了对特定物体的识别;并结合感兴趣区域提取模型,对图像序列进行目标预检测,对运动物体应用“检测-定位-检测”的思想,在检测出的候选目标区域中选择与跟踪目标的不变矩特征匹配的区域,从而实现目标跟踪。综合以上分析,本文改进了经典注意模型存在的伪注意焦点和目标整体性描述能力差的缺点,并将改进的注意模型进行了仿真实验,结果表明特征和尺度共同引导注意以及合并策略的改进能更有效的保持图像的重要特征信息,能获得更加符合人类视觉感知的注意焦点及区域。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 视觉选择性注意的研究背景
• §1-2 视觉选择性注意理论的相关研究
• §1-3 课题的主要工作
• §1-4 论文的内容安排
• 第二章 视觉选择性注意机制的理论基础
• §2-1 视觉选择性注意的认知学研究
• 2-1-1 选择性注意的心理学认识
• 2-1-2 视觉注意的心理模型
• §2-2 视觉注意的计算模型研究
• 2-2-1 视觉注意模型的建模关键
• 2-2-2 引导视觉注意的显著性度量
• §2-3 现有的视觉注意计算模型的不足
• §2-4 结合尺度和特征的显著性度量
• 第三章 视觉选择性注意机制的计算模型
• §3-1 数据驱动和任务驱动的视觉注意模型简介
• 3-1-1 数据驱动注意模型
• 3-1-2 任务驱动注意模型
• §3-2 改进的视觉选择性注意模型
• 3-2-1 早期视觉特征的提取
• 3-2-2 多特征图合并策略
• 3-2-3 最佳尺度选择
• 3-2-4 视觉注意显著图
• 3-2-5 感兴趣区域提取
• §3-3 小结
• 第四章 基于视觉选择性注意机制的物体的识别
• §4-1 概述
• §4-2 基于局部不变性特征的物体的识别
• §4-3 基于视觉选择性注意机制的物体的识别
• 4-3-1 复杂场景中的物体检测
• 4-3-2 基于视觉选择性注意机制的物体识别的计算模型
• 4-3-3 显著点检测
• 4-3-4 显著点描述与匹配
• §4-4 仿真实验
• §4-5 小结
• 第五章 基于视觉选择性注意机制的物体的跟踪的研究
• §5-1 常用的检测跟踪方法
• §5-2 基于视觉选择性注意机制的物体的检测与跟踪
• 5-2-1 物体预检测
• 5-2-2 图像匹配
• 5-2-3 算法总结
• §5-3 仿真实验
• §5-4 小结
• 第六章 总结与展望
• §6-1 论文总结
• §6-2 研究展望
• 参考文献
• 致谢