小目标检测与跟踪是计算机视觉中的重要研究问题之一,构建恰当的计算模型,高效准确地检测和跟踪小目标对象对人工智能的发展具有重要意义。近年来,生物视觉感知神经机理已初步得到揭示,这为解决计算机视觉感知中的难点问题提供了新的研究思路。目前,生物视觉神经学理论已被初步应用在构建执行诸如碰撞检测、运动模式识别等视觉感知任务的新型人工视觉系统,但对小目标对象的检测、运动跟踪等仍鲜有涉足。因此,深入挖掘生物视觉系统的神经结构特性及其响应机理,构建小目标对象的检测与跟踪仿生人工视觉神经网络模型与算法具有重要的科学意义和潜在的工程应用价值。本文以蝗虫视觉神经生理学理论为支撑,借助生物视觉系统的神经结构特性与视觉神经元响应机理,以视觉场景中的小目标行人检测与识别、小目标运动跟踪问题为研究对象,探究相应的人工视觉神经网络模型与算法,并展开计算模型与算法的设计、性能测试与分析。主要工作和取得的成果如下:1)针对视觉场景中小目标行人对象检测问题,基于蝗虫视觉系统的神经结构特性,借助人类大脑情景记忆编码、解码机制,构建包括突触前和突触后子神经网络构成的小目标行人检测人工视觉神经网络模型与算法。模型中的突触前子神经网络采集视野域中小目标行人引发的视觉运动信息;突触后子神经网络从中提取表征运动目标和小目标行人情景记忆的尖峰活动序列,对其比较以检测视野域中的小目标行人对象。理论分析表明,神经网络算法的计算复杂度由输入的视频图像帧分辨率决定。系统性的实验表明所提出的模型能有效检测和识别视觉场景中的小目标行人对象。2)针对视觉场景中运动小目标跟踪问题,基于蝗虫视觉系统的神经结构特性,借助果蝇视觉信号处理ON-OFF通道和蜻蜓大脑预测增益调制机制,构建适用于小目标运动跟踪的人工视觉神经网络模型与算法。模型提取视野域中运动小目标分别表征空间位置和匹配先验路径的运动方向视觉信息,对其整合处理获得描绘未来时刻的空间运动轨迹点,以达到对小目标实现预测跟踪的目的。理论分析表明,神经网络算法的计算复杂度由输入的视频图像帧分辨率决定。系统性的实验结果表明所提出的模型能对视野域中的运动小目标实现运动轨迹预测从而达到跟踪的目的。