中文摘要：

本项目针对计算机视觉在信号到信息提取过程中的瓶颈问题如何准确、快速地从传感器海量数据中挖掘与决策、控制有关的信息，研究自然视觉选择性注意在计算机视觉中的实现。通过建模分析，揭示注意力的吸引和分散随空间、时间变化的规律，并应用于复杂场景中目标的识别与跟踪。具体研究结合显著性图思想，主要工作有1）引入人类视觉通路中的反馈指导机制，建立融合自下而上基于图像特征的信息与自上而下基于目标、知识的信息的选择性注意计算模型，实现对注意焦点的空间定位，提高模型的完备性、准确性；2）研究注意力在时间上的非均匀分配机制，建立图像采样频率与分辨率的自适应选择机制，实现对注意焦点的时间定位，提高系统的存储与计算效率；3）利用提出的选择性注意计算模型实现视频序列中目标的快速提取、准确识别。本项目将丰富选择性注意的理论研究，提高复杂场景目标识别与跟踪的技术水平，为机器人视觉、视频分析等研究领域提供技术支撑。