视觉显著性源自人眼快速定位场景中感兴趣区域的神经机制,提取图像/视频中的显著图能快速定位显著部分。视觉显著性广泛应用于计算机视觉领域,比如图像分割,目标检测,目标追踪,视频传输等方面。本文研究显著性算法在目标检测领域中的应用,主要研究内容如下:在基于图论的显著性算法基础上结合人脸肤色特征,提出了一种结合视觉显著性和肤色分割的人脸检测算法。算法首先使用基于图论的视觉显著性算法(Graph-Based Visual Saliency,GBVS)提取包含目标人脸的显著图;然后对该显著图进行阈值分割和形态学等操作得到初步的二值人脸目标区域,并利用人脸肤色特征在初步人脸区域中确定人脸的中心,截取图像中的准确人脸区域,实现最终的人脸目标检测。通过在LFW数据库上的实验表明,本文提出的算法在检测非端正人脸上优于其他人脸检测算法,且算法简单、速度快、检测率高,可以很好的适用于智能手机前置拍照的目标人脸定位与人脸识别预处理工作。为更好的分离视频中的前景和背景,在PCP(Principal Component Pursuit)方法的基础上,结合运动显著性,本文提出了一种基于FPCP(Fast Principal Component Pursuit)与运动显著性的视频前景检测算法。首先利用FPCP算法进行粗略但快速的前景目标检测得到一些目标候选区域;接着使用基于时间谱残差的快速运动显著性检测算法检测出各目标候选区域的运动显著性指标,取一个平均显著性值,利用该平均值赋予每个候选区域不同的参数值;最终利用基于块稀疏分解的鲁棒主成分分析算法确定前景目标。在Wallflower测试视频数据库上的实验表明,与其他一些视频前景检测方法相比,本文提出的算法计算复杂度小,对运行内存要求不高,可以进行视频实时处理,对于动态背景的去除也优于大部分算法。