詹智成，董卫华

1. 北京师范大学地理科学学部，北京 100875； 2. 根特大学地理学院，比利时 根特 9000

对环境的感知和理解是智能驾驶领域的一个重大挑战。视觉是驾驶过程中驾驶员感知和理解道路场景信息的主要途径。在驾驶过程中，驾驶员会选择性地关注场景中感兴趣的信息，而忽略不重要的信息，这种机制称为驾驶过程的视觉选择性注意机制，选择性注意的区域称为视觉显著区域。在智能驾驶系统开发中，引入人类的视觉选择性注意机制能够降低处理的信息量，提高智能驾驶系统对驾驶环境的理解效率，并有助于预测和定位潜在的风险。视觉显著性建模方法能够模拟人类的视觉注意机制提取场景中的显著区域，从而支持信息处理和决策。对驾驶员在驾驶过程中的视觉注意机制进行研究，开展真实道路场景下动态道路场景的视觉显著性建模，能够准确和快速地提取动态驾驶场景的视觉显著区域，从而提高智能驾驶系统的环境理解效率和能力。

目前，国内外对道路场景视觉显著性的研究已有不少的经验，特别是在行人导航领域。人类的视觉注意机制被归结为场景的低级视觉特征和高级视觉特征[1]。低级视觉特征是图像对视觉的直接刺激，这类特征包括颜色、亮度和纹理等[2]。高级视觉特征一般指语义特征，这种特征与人类的认知相关，比如在某些场景中人脸等物体对视觉具有引导作用[3]。道路场景的视觉显著性分析可以用来评价导航任务下场景中地标的有效性[4]、用户的寻路策略[5]、地图的可用性[5]等。……