基于增量记忆视觉注意模型的复杂目标识别研究

针对复杂背景下的目标识别问题,提出一种新的基于增量记忆的视觉注意模型。首先根据目标的颜色形状,以及自底向上的原始视觉特征颜色、强度、方向、对称性对目标进行粗定位。在此基础上,利用粗选目标的颜色、形状生成一组自顶向下的偏差信号,对初选目标进行及时指导修正。为了提高识别的准确率,算法设计了一种增量学习记忆的机制来指导偏差信号,所提出的增量注意机制不仅可以不断学习和记忆各类目标的颜色和形状特征,而且利用这种机制可生成一个自顶向下的偏差信号,对关注的候选区域的目标进行精确定位。此外,训练后的增量记忆的颜色、形状特征有助于推断新的未知目标。最后的仿真实验中,与五种典型算法对比,无论是主观还是客观实验,都