随着多媒体和网络技术的发展,网络中图像的数据量呈几何级数急剧增长。为了能够从海量的图像数据中准确的查找到自己想要的图像,基于内容的图像检索成为现在的研究热点。然而现有的基于内容的图像检索技术的难题是图像低层特征和高层语义之间的鸿沟。 感兴趣区检测是一种弥补图像低层特征和高层语义鸿沟的方法,客观衡量用户对图像兴趣需要采用人机交互的方式获取。人机交互技术近年来得到不断地发展,已经从早先的基于键盘的交互方式,发展成为了多模态的交互技术。视点跟踪作为多模态交互方式中的一个模态输入,已经被新一代交互技术广泛应用。 本文将视点跟踪技术引入感兴趣区检测领域,通过跟踪用户的注视点来捕获其感兴趣的图像区域,有效弥补语义鸿沟。本文首先分析了基于内容的图像检索系统目前所面临的语义鸿沟问题；之后将视点跟踪技术应用于图像的感兴趣区检测；最后设计并实现了一套完整的基于视点跟踪的感兴趣区检测系统。主要工作包括： 1.视点跟踪的视频捕获设备改造方案。本文根据图像检索系统人机交互的需求,对比各类摄像头的性能,给出了适合的各项摄像头及LED参数。提出了闪烁LED和常亮LED两套摄像头改造方案,并对这两种方案进行了对比。 2.一种低复杂度的视点跟踪方法。配合常亮LED方案,提出了一种快速的视点跟踪方法,可以在高分辨率图像序列中,实时的捕获人眼注视点。 3.基于视点跟踪的感兴趣区检测。通过统计用户的注视点信息,计算备选感兴趣区的兴趣度,最终给出用户的感兴趣区。 4.视点跟踪检测感兴趣区的实验平台。包括视点跟踪硬件实验平台和友好的人机交互界面。 最后,本文通过大量的实验数据,证明了本文方法能够客观的获取用户的真实兴趣信息,从而一定程度上弥补了图像低层特征和高层语义之间的鸿沟,并给出了今后的应用展望。