在飞机场、地铁站等交通枢纽中,当人们要找到登机口、闸机等目的地时,通常需要利用视觉场景中的相关信息。而人类的视觉注意机制往往能够使人们快速准确地从大量视觉信息中筛选出与当前任务相关的重要信息,例如交通枢纽中的建筑空间、标志牌、人群方向和地标等。这些与任务相关的重要视觉信息会优先被大脑进行加工分析,从而快速完成视觉搜索任务。此时建筑设计的质量就显得尤为重要,如何客观准确地评估建筑设计水平是一个亟待解决的难题。而通过现场调查、眼动跟踪等方法评估建筑设计的质量存在很大的局限性,因此建立人眼注视点预测模型能够方便、重复地对多个项目进行同类型架构下的寻路质量预评价,这也是本文研究的主要内容。在现有的人眼注视点预测模型中,大多数模型都基于数据驱动的、自底向上的注意机制。但是,我们研究的交通枢纽场景中的注视点预测是基于寻路行为的、自顶向下的注意机制,两者有很大区别。人们在进行搜索任务时通常会带着对场景上下文的认知和任务的先验知识,例如目标的形状、颜色以及可能出现的位置等,这些信息能够帮助人们快速的将视觉注意导向到任务目标上。而且,现有的眼动数据集大多是在被试自由观看自然场景,且固定观看时间的情况下采集的,无法从中提取出本课题所需的先验信息。针对以上问题,本文首先设计眼动实验,采集15位被试的有效眼动数据,建立了一个交通枢纽场景中基于寻路任务的眼动数据集。再从中分析人们寻路时的视觉行为,获取先验信息。然后将低层显著性、场景上下文和任务先验特征相结合,构建交通枢纽场景中寻路任务驱动的注视点预测模型。本文主要研究内容如下:(1)建立了交通枢纽寻路任务眼动数据集。首先采集交通枢纽室内场景图像,然后设计寻路任务导向的眼动实验,利用眼动仪采集15位被试的有效眼动数据,生成数据集所需文件。然后,研究在该场景任务下人们的眼动特征,从中提取出人们寻路时与目标相关的先验信息——消失点,并证明了消失点对该任务的先验引导作用。(2)提出了基于韦伯特征描述子的交通枢纽场景消失点检测方法。针对交通枢纽场景中的图像特点,本文引入韦伯局部描述子并加以改进。首先分别计算像素点的正差分激励和负差分激励,保留灰度变化特征,并且采用Gabor滤波器检测梯度方向从而充分反映局部窗内的空间分布信息,有效区分干扰和线索,得到投票区域。然后采用添加先验约束条件的线性投票模式,得到消失点位置。本文在自己标注的交通枢纽场景下的消失点数据集上进行了实验,实验结果证明,相比于现有的消失点检测方法,本文的检测方法更加适用于交通枢纽场景。(3)建立了交通枢纽寻路任务导向的人眼注视点预测模型。模型将低层显著性、场景上下文和任务先验特征相结合,共包含三部分:初始注视点预测模块、先验信息辅助模块以及先验信息融合模块。初始注视点预测模块负责提取低层显著性及上下文信息,得到初始注视点预测图;同时,先验信息辅助模块负责提取图像中的消失点,引入高斯权重生成消失点先验图;最后通过先验信息融合模块,将得到的先验特征与初始注视点预测图加权融合,得到最终的注视点预测图。在交通枢纽寻路任务下的眼动数据集上,我们将本文模型与其他7种现有模型进行了对比实验。实验结果表明,本文模型相比较其他现有的注视点预测模型,对寻路任务下的人类注视行为的预测更加准确。