基于机器学习的扫视路径估计方法研究

《基于机器学习的扫视路径估计方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一硕士学位论文Ｉ參画基于机器学习的扫视路径估计方法研究作者姓名Ｓｆ高帅指导教师姓名、职称齐飞副教授申请学位类别工学硕士学校代码10701学号1502121143分类号TP39密级公开西安电子科技大学硕士学位论文基于机器学习的扫视路径估计方法研究作者姓名：高帅一级学科：控制科学与工程二级学科：模式识别与智能系统学位类别：工学硕士指导教师姓名、职称：齐飞副教授学院：人工智能学院提交日期：2018年6月PredictionofSequenceofEyeFixationsBasedonMachin

2、eLearningAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinPatternRecognitionandIntelligentSystemByGaoShuaiSupervisor:QiFeiTitle:AssociateProfessorJune2018学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工

3、作及取得的研究成果＜■尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人己经发表或撰写过的研究成果；也不包含一同工为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。一学位论文若有不实之处，本人承担切法律责任。ｙ〇°＼Ｈ＞本人签名：各仲日期：西安电子科技大学关于论文使用授权的说明？本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即．研宄生在校攻读学位期间论

4、文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许采用影，允许查阅、借阅论文；学校可以公布论文的全部或部分内容印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研宄成果完成的论文、发明专利等成果。，署名单位为西安电子科技大学本人签名：ａ：巾导师签名１／０日期：Ｍｔ日期：摘要摘要在信息快速增长的时代，人类每秒钟可能会接收数以亿计的信息，一般认为这种数量级的信息已经远远超过了人实时处理信息的极限。人类视觉系统(HumanVisualSystem)可

5、以从输入的大量数据信息中提取出有价值的信息以供大脑皮层进行处理，如视觉记忆、信息分类、目标跟踪等。这种处理信息的机制就是视觉注意机制，它可以帮助人们在复杂的场景中提取信息并作出处理。计算机作为目前处理信息最快的工具之一，在计算机图像处理中引入视觉注意机制，不仅可以提高数据筛选能力，还可以提升模型的学习能力，进一步指导计算机模拟人视觉认知过程。人们在获取信息时，会把注意力集中在自己感兴趣的区域上，随着观察区域的改变，人的注意力也随之转移，这些注视位置的变化可以分为两部分：注视点和扫视路径。注视点是显著性预测领域的研究目

6、标，它反映了场景中最“显眼”、最引人注目的区域，以静态显著性图来反映图像的显著区域；而扫视路径则是动态地反映人是如何选择感兴趣区域的，体现了这些区域之间的顺序性。本文通过对扫视路径现有理论知识和预测模型的调研，提出了基于机器学习的扫视路径估计方法，并搭建了基于循环神经网络的扫视路径估计模型。扫视路径是人眼在注视点之间的转移，是一个时间序列，相比于现有模型，该模型基于循环神经网络建模，循环神经网络的结构适合用于处理时间序列，而扫视路径也是时间序列，因此使用循环神经网络建模能更好的模拟人理解场景的过程，通过分析该过程来了

7、解人的视觉认知机理。本文基于循环神经网络搭建了扫视路径估计模型，通过加入视觉注意机制来增强模型的性能。将图像做为卷积神经网络的输入，得到输入图像的特征向量，得到的特征不仅包含空间信息还包含位置信息。同时使输入坐标经过嵌入函数，得到表征其特征的权重矩阵。将图像特征和训练样本作为解码网络的输入来训练网络，训练好的网络可以对输入的图片预测得到扫视路径。本文工作表明，在基于机器学习的扫视路径估计模型中，循环神经网络建模时间序列能够很好地模拟人眼扫视路径。关键词：扫视路径，机器学习，循环神经网络，计算机视觉IABSTRACTA

8、BSTRACTInanrapidinformationgrowthera,humanmayreceivehundredsofmillionsofinformationpersecond.Itisgenerallybelievedthatthisorderofmagnitudeinformationhasfarexceededthelimitof