基于移动平台的跟踪存在光线变化、背景运动、运动模糊以及摄像头异常抖动等问题,在这种情况下,鲁棒而且实时的人体跟踪是视觉跟踪领域一个很有挑战性的课题。人眼能够轻松地在较长时期维持对某一个或一组物体的跟踪,而且这种能力不会过多地受到遮挡、相似物或者光线等影响,神经心理学研究表明,其原因在于人类视觉的注意力选择机制能快速剔除干扰信息、将注意力集中于感兴趣的物体区域,这对于探索解决机器视觉问题有着重要的意义。　　 受上述思想的启发,本文建立了一种基于底层特征和高层语义的注意力模型的人体跟踪方法。在底层特征层,选出每帧分辨能力最强的颜色通道,计算颜色概率似然图,从而一定程度消除光照的影响;然后根据前后帧特征点的对应关系估计运动仿射参数,并计算前后帧差,得到运动区域,消除了静止的相似颜色背景的干扰。在高层语义层,利用得到的运动区域,生成场景语义图。当摄像头发生异常运动时,在整个场景中检测颜色显著区域作为候选目标区域,然后依次检测各个区域,生成预测的场景图,对每个候选区域的预测场景图计算与异常运动前的场景图相似度,取相似度最高的那个区域作为恢复出的目标位置。大量的实验表明,该算法在移动平台发生不同运动时都能实现比较准确度和鲁棒的人体跟踪。　　 论文的第一章介绍了人体跟踪和视觉注意机制的相关概念和方法。第二章和第三章为建立两层注意力模型做准备,其中,第二章将介绍经典的基于MeanShift跟踪方法,第三章主要论述视觉注意机制。第四章是本文的重点,将着重论述两层注意力模型的框架、细节,包括颜色运动特征的提取、场景图的建立等。第五章为实验部分,对实验结果给予分析和比较。最后,对全文的工作进行总结,并对未来的工作进行展望。