图像目标检测是从图像中发现并定位目标,利用人工的方法进行目标检测的过程耗时,耗力,而且检测效率低。计算机技术,人工智能,机器学习等快速发展,对图像目标检测提出了快速化,智能化,自动化地处理。目标检测的结果作为更高级图像处理(目标识别和目标跟踪)的基础,检测率的高低直接影响之后的处理。传统的目标检测方法对图像所有区域进行搜索,我们所关注的目标只占图像中某一区域,进行全面加工加大了分析的复杂性。视觉注意机制使得人们在有限的资源下快速发现复杂场景下有用的信息,摈弃无用信息,打破对图像进行逐行扫描的传统目标检测方法。本文将视觉注意机制引入到目标检测中具有重要意义。本文详细介绍了视觉注意机制的相关原理和方法,并将其应用到目标检测中,本文主要研究内容和成果如下:(1)本文研究视觉注意机制的发展现状,研究自底向上的视觉注意模型,在基于生物机制的Itti模型基础上提出基于底层图像特征的模型,提取图像的颜色、方向、纹理特征形成特征显著图,各特征显著图合成总的显著图,通过WTA获得图像注意焦点和三种评价指标比较本文模型与传统模型的性能。(2)研究了自底向上和自顶向下结合视觉注意模型提出基于SVM的视觉注意模型,基于底层图像特征的显著图作为SVM的训练特征,通过学习数据库中样本,训练SVM分类器,训练好的分类器对测试图像进行测试得到显著图。该模型提高了精度,显著图体现了目标的大致位置。(3)在显著图的基础上提出基于SIFT特征匹配的目标检测,显著图基础上进行目标检测缩短了全局搜索的时间,提取模板和待检测的图像的SIFT特征,进行特征匹配,精确地检测目标并标记。