《視覺注意和人腦記憶機制啟發下的感興趣目標提取與跟蹤》將人類的認知機制與計算機視覺、圖像處理和模式識別相結合，從認知心理學出發對基于視覺注意和人腦記憶機制的感興趣目標提取和跟蹤認知建模方法進行了研究。首先基于生物視覺注意機制對人類視覺顯著性特征的感知進行建模和研究，并將其用于感興趣目標的提�。喝缓蠡谌祟愑洃洐C制特別是人腦三階段記憶模型建立一種視覺信息處理認知模型，用于模擬人類對視覺模式進行感知、注意、匹配、分類、學習和決策的過程，并將其與混合高斯背景建模、碼本背景建模、Mean-shift目標跟蹤、粒子濾波目標跟蹤以及多智能體協同進化等相結合，詳細研究了其在感興趣目標提取以及跟蹤中的應用，并通過大量的視頻目標檢測與跟蹤實驗對算法進行了驗證，為在動態復雜視頻環境中實現快速魯棒的感興趣目標提取和跟蹤提供了一條新的研究思路和實現途徑。
《視覺注意和人腦記憶機制啟發下的感興趣目標提取與跟蹤》可供計算機科學領域人工智能、模式識別、智能信息處理專業研究生、博士生以及相關專業的研究人員參考。
感興趣目標的提取和跟蹤是計算機視覺、圖像處理、模式識別以及人工智能等領域最重要的研究內容之一，在目標識別、智能監控、視頻（圖像）檢索、人機接口、車輛導航、導彈制導等多種領域都有著極其重要的應用價值。然而實際場景的復雜多變，如光照變化、背景中各種雜物和噪聲的影響、室外場景中各種不確定因素的干擾、目標狀態的變化（如姿態、大小、運動速度、運動軌跡等）、目標與背景顏色的相似程度、背景穩定程度、目標被遮擋等，使得運動目標的提取和跟蹤一直是計算機視覺研究領域中一個公認的具有挑戰性的課題。目前所提出的算法大多在一定條件下或特定應用場合對解決上述問題中的某一個或某幾個具有較好的效果，能夠解決復雜場景中各種不確定情況及適應不同應用場合的運動目標提取和跟蹤算法很少甚至沒有。因此，深入探討和研究新的運動目標提取和跟蹤算法，仍然是計算機視覺研究領域的一項非常艱巨的任務。
眾所周知，無論場景怎樣變化、目標的姿態怎樣變化、目標遮擋程度怎樣，人類都能毫不費力地區分前景、背景以及辨識運動目標。根據神經生理學、心理學以及認知科學的研究成果，人類之所以能夠輕而易舉地做到這一點與人類擁有一套功能強大和完善的視覺感知、注意和記憶機制密切相關。其中，視覺注意機制幫助我們完成特定目標的提取以及多個目標間注意焦點的轉移；而人腦記憶機制能夠讓我們記住所看到和經歷的情景，從而有助于我們快速辨別所見到的物體、認知新的事物、適應新的環境等。因此，研究和探討基于人類視覺注意和人腦記憶機制的運動目標提取與跟蹤方法具有重要的理論意義和科學價值。
基于此，本書將探討和研究融合視覺注意與人腦記憶機制的感興趣目標提取與跟蹤方法。首先借鑒認知心理學的研究成果和生物視覺注意機制對人類視覺顯著性特征的感知進行建模和研究，并將其用于感興趣目標的提取；然后基于人類記憶機制特別是人腦三階段記憶模型建立一種視覺信息處理認知模型，用于模擬人類對視覺模式進行感知、注意、匹配、分類、學習和決策的過程，并將其用于復雜場景的建模以及運動目標的跟蹤，以解決復雜場景下目標間的遮擋、目標發生變形、目標姿態變化以及場景中出現新目標等與視覺注意和記憶機制密不可分的問題。
王延江，男，山東海陽人，中共黨員，博士，教授，博士生導師，中國自動化學會會員。目前為中國石油大學（華東）信息與通信工程學科帶頭人，第三屆山東省優秀研究生導師。主要從事信號與信息處理領域的教學和科研工作，研究方向包括：模式識別與智能信息處理、視覺注意與人腦記憶計算建模，以及人腦結構與功能網絡連接分析。主持或參加國家自然科學基金面上項目3項、國家自然科學基金重點項目1項、山東省自然科學基金項目5項、中國石油天然氣總公司重點攻關項目1項、中石化重大科技攻關項目2項、中石油創新基金項目1項，并榮獲北京市科技進步二等獎、山東省高等學校優秀科研成果三等獎、中國石油天然氣總公司科技進步三等獎、勝利油田科技進步一等獎和二等獎各一次。在IEEE Trans.Industrial Electronics、Pattern Recognition、Signal Processing、Neurocomputing、《中國科學》、《自動化學報》、《電子學報》等國內外重要學術期刊與國際會議上發表學術論文160余篇。
齊玉娟，女，山東諸城人，博士，目前為中國石油大學（華東）講師，主要研究方向為計算機視覺、模式識別等；已在Applied Intelligence、Journal of Computational Information Systems、《自動化學報》、《模式識別與人工智能》、《石油大學學報（自然版）》等國內外學術期刊與國際會議上發表學術論文10余篇，其中多篇被SCI、EI收錄。參加并完成國家自然科學基金面上項目2項，主持山東省自然科學青年基金項目1項。
前言
第1章 概述
1．1 運動目標檢測
1．1．1 相鄰幀差法
1．1．2 光流法
1．1．3 背景減除法
1．2 運動目標跟蹤
1．2．1 目標描述
1．2．2 特征選取
1．2．3 運動目標跟蹤方法
1．3 運動目標跟蹤方法研究現狀
1．4 運動目標檢測和跟蹤中存在的難點
1．5 視覺注意機制在感興趣目標提取中的應用
參考文獻
第2章 人類視覺系統與視覺注意機制
2．1 人類視覺系統
2．1．1 人眼結構及視覺通路
2．1．2 視皮層
2．1．3 視覺感知機制
2．2 視覺注意機制
2．2．1 視覺注意機制概述
2．2．2 視覺注意建模的理論基礎
2．3 經典視覺注意計算模型
2．3．1 Itti視覺注意計算模型
2．3．2 GBVS視覺注意計算模型
2．3．3 SR視覺注意計算模型
2．4 本章小結
參考文獻
第3章 基于視覺注意機制的感興趣目標提取
3．1 基于快速字典學習與特征稀有性的自然圖像顯著目標提取
3．1．1 稀疏編碼
3．1．2 快速字典學習算法
3．1．3 稀有性量化
3．1．4 實驗結果及討論
3．2 基于動態視覺顯著性的感興趣目標提取
3．2．1 靜態顯著性提取
3．2．2 基于SIFT流的動態顯著性提取
3．2．3 實驗結果及討論
3．3 本章小結
參考文獻
第4章 基于人類記憶機制的視覺信息處理認知建模
4．1 人腦記憶的分類
4．2 人腦記憶機制的神經基礎
4．2．1 神經細胞的基本結構
4．2．2 人腦記憶機制的生理學基礎
4．3 人腦記憶計算模型
4．3．1 基于認知心理學的記憶計算模型
4．3．2 基于認知神經科學的記憶計算模型
4．4 基于人腦三階段記憶模型的視覺信息處理認知建模
4．4．1 信息粒
4．4．2 記憶空間
4．4．3 認知行為
4．4．4 決策
4．4．5 記憶空間更新規則
4．4．6 MVIPM的實現
4．5 本章小結
參考文獻
第5章 基于人腦三階段記憶機制的場景建模
5．1 混合高斯背景建模
5．1．1 混合高斯模型的基本原理
5．1．2 混合高斯背景建模方法存在問題及發展現狀
5．2 基于記憶的混合高斯模型
5．2．1 基于記憶的混合高斯背景建�？傮w框架
5．2．2 基于記憶的混合高斯背景建模算法描述
5．2．3 實驗結果及討論
5．3 基于記憶的碼本模型
5．3．1 碼本模型
5．3．2 碼字的特征參數集合
5．3．3 碼本記憶空間的構建
5．3．4 算法流程及描述
5．3．5 實驗結果及分析
5．4 本章小結
參考文獻
第6章 基于記憶機制Mean-shift和粒子濾波魯棒運動目標跟蹤
6．1 基于記憶的模板更新建模
6．1．1 基于記憶的模板更新模型及定義
6．1．2 模板更新算法詳細描述
6．2 基于記憶的模板更新Mean-shift運動目標跟蹤
6．2．1 Mean-shift跟蹤器初始化及算法描述
6．2．2 實驗結果及討論
6．3 基于記憶的模板更新粒子濾波運動目標跟蹤
6．3．1 粒子濾波跟蹤器初始化及具體算法描述
6．3．2 實驗結果及討論
6．4 基于記憶的多特征融合粒子濾波目標跟蹤
6．4．1 目標特征的描述與提取
6．4．2 基于記憶的多特征融合
6．4．3 基于記憶的多特征融合粒子濾波目標跟蹤
6．4．4 實驗結果及分析
6．5 本章小結
參考文獻
第7章 基于記憶的多智能體協同進化運動目標跟蹤
7．1 基于記憶的多智能體協同進化運動目標跟蹤建模
7．1．1 基于記憶的智能體模型
7．1．2 多智能體協同進化行為
7．1．3 YCbCr顏色空間非參數目標建模
7．1．4 算法的實現
7．2 實驗結果及討論
7．3 本章小結
參考文獻
彩圖
新書資訊