视觉注意机制是灵长类动物特有的生理特性,指导着大脑对外界信息的早期处理,确定引起不同等级关注度区域的划分,并对感兴趣的区域赋予优先处理权,是人类处理外界信息的重要手段。以往的视觉注意力研究主要针对亮度、颜色以及方向等信息的处理,随着视觉注意力研究的深入,运动注意力逐步受到重视。运动注意力是指视频场景中由运动所引起的注意力显著性特征。　　本课题采用理论研究和实验分析相结合的方法,从以下几个方面研究了如何合理的构建一个有效的视觉运动注意力模型。　　在提取运动信息准确性方面,本课题研究了块匹配运动估计并使用运动矢量来表征场景中的运动信息。传统的块匹配运动估计采用固定块的匹配方法,但由于图像运动变化随着区域不同呈现出不同的变化程度,固定块的匹配方法在图像具有区域复杂性运动时会导致运动估计精度不够,而可变块的匹配方法在运动复杂区域使用较小的块划分图像,在运动平稳区域使用较大的块划分图像,增加了运动估计精度。本研究采用可变块运动估计提取场景中的运动信息;在构建新的视觉运动注意模型方面,该模型在可变块运动矢量场的基础上构建,由运动矢量的强度、空间域运动反差和时间域运动反差三种要素构成,并且从局部运动反差和全局运动反差两方面综合定义;在提高运动注意力计算准确性方面,对输入的视频帧利用高斯函数进行空间多尺度分解得到三层高斯金字塔图像,分别对每层图像计算视觉运动注意力,最后融合不同尺度的视觉运动注意力显著图得到最终的显著图。　　本课题根据注意力形成机理构建运动注意力模型,并采用可变块运动估计来计算运动矢量场,增加了运动信息估算的准确性,在此基础上融合不同尺度的视觉运动注意力显著图来得到最终的显著图。对多个视频序列的测试结果显示,本研究提出的新模型克服了光流估计不准确及未考虑注意力形成机理等缺点,能更准确的表示视觉运动注意力。