基于场景分析和视觉注意力的目标搜索

本课题探索将视觉注意力选择机制与全面细致的场景分析相结合，提高复杂自然场景条件下的计算机视觉搜索能力。理论意义和实用价值在于：（1）充分的场景分析是感知复杂并且不确定自然环境的前提，学习和利用人类视觉注意力选择机制是优化分配视觉资源的有效途径，两者的紧密结合可提高计算机视觉系统在复杂自然场景条件下搜索目标的能力；（2）现有视觉注意力选择机制不能有效地解决自然场景中高复杂度和不确定性难题，他们在工程领域的应用受到了限制，因而，有必要研究新理论和新方法。本项目提出了一种基于贝叶斯推理的视觉搜索理论框架：（1）通过特征域及空间域的场景分析和对相关经验知识的利用，建立全局和局部场景表达；（2）通过特征评估及选择，提高视觉描述和注意力选择机制的效率。该框架的主要特点在于：视觉注意力选择被视为是面向搜索目标和面向场景背景两类搜索活动的综合结果，这两类搜索活动分别是基于自顶向下和自底向上的信息综合。