0 引言

随着光学数字采集设备的普及和互联网技术的发展，人们可轻易获取海量的图像信息，但要高效地检测、识别和评估其中的异常变化，则存在巨大的感知负担和认知缺陷。虽然现有的图像处理技术能够自动检测场景变化并示警，但是大部分算法处理能力单一、辨别能力有限、决策能力不足，甚至在繁杂环境中会不断增加人的感知和认知负担。可见，在计算机视觉信息处理的智能化进程中(Liu等，2016)，中高级的视觉认知技术在促进人机深度融合中将扮演越来越重要的角色。

部分计算智能系统已远超人类，有的感知智能系统也可与人类媲美，而认知智能的发展远远不够，存在沟通能力较差、理解能力较弱和学习成本较高等短板，最典型的挑战就是对视觉信息的理解和推理。人类视觉系统具备的认知能力高度复杂，计算机视觉认知系统在短时间内无法超越。因此，若要使之达到自主适应环境、自主决策和主动学习(Chernenkiy等，2018)的目标，不建议抛开人来构建纯粹的计算机视觉认知模型。

在智能视觉感知不断向视觉认知发展的今天，本文归纳出的混合增强视觉认知架构整合机器感知、人类认知和计算机运算，是现有技术条件下一种较为可行的方案，可实现对大规模、非完整和非结构化的视觉信息的认知处理，解决模糊和不确定感知问题，弥补单一系统的认知不足(Pan，2016)，主要涉及3个方面：1)从视觉感知的层面出发，基于各类光学传感器信息和人的主观感知，形成融合信息的输入；2)计算机对重要信息进行筛选、分类、理解、推理、判断和学习等操作，然后以视觉增强、复杂数据可视化等方式，形成人的认知输入，进而将人的主观决策反馈给计算机认知，形成独特的认知闭环；3)将计算机的运算结果与人的决策相匹配，形成概率化与规则化有机协调的优化输出，如图 1所示，其中, “ $ \otimes $ ”表示对视觉感知信息的深度融合，“ $ \oplus $ ”表示计算机视觉认知信息对人眼认知的反馈，二者叠加互补。

图 1 混合增强视觉认知闭环

Fig. 1 The closed loop of hybrid enhanced visual cognition

1 智能视觉感知的进化

感知是指信息从物理域或信息域映射到认知域的一种输入过程，人类80%的感知信息来自视觉。视觉感知是一个从图像中找出物体是什么、理解并预测物体运动变化的过程(Shi，2017)。认知与智力相关但并不相同，可解释为基于感知、推理、学习和先验模型的知识生成，包含认识、理解、决策等心理过程。视觉认知是对人类执行视觉任务(如理解和识别形状)中心理机制的抽象描述，其过程依赖于感知、记忆、想象和逻辑判断(Liu等，2016)，主要分为两个阶段：一是对客观世界信息的感知，识别并理解目标形状、属性及场景；二是基于记忆和检索能力的推理、决策过程。

智能视觉感知是指针对光学传感器信息，借鉴生物视觉感知机制，融合计算机视觉处理方法和相关智能算法，执行以计算机运算为核心的图像信息察觉、理解和预测的过程，如图 2所示。智能视觉感知是计算机、感知、视觉与人工智能等领域的交叉，这些领域已取得一定成就，然而在计算机视觉认知方面还没有重大进展。

图 2 智能计算机视觉感知

Fig. 2 The intelligent computer vision perception

计算机视觉认知是指基于感知系统理解的基本环境信息，进一步通过推理、决策和学习等程序运算表达内在知识，进而为改变环境状态提供支持，是未来态势认知(尤其是战场态势认知)的关键(Ma等，2015)。然而，受限于弱人工智能阶段的技术水平，无法完全以计算机运算为核心完成较为复杂的视觉认知任务。因此，基于外在环境信息和内在系统状态，融合计算机处理大规模数据的感知优势和人类推理、决策的认知优势，提出混合增强视觉认知概念。混合增强视觉认知是以计算机运算为核心的智能视觉感知来增强人对复杂数据的理解认知，以人的推理、辅助决策支持增强计算机的认知学习能力，执行以深度人机交互为核心的图像信息察觉、理解、推理、预测、决策、学习的过程，如图 3所示。

图 3 混合增强视觉认知的基本范畴

Fig. 3 The hybrid enhanced visual cognition

图 4给出了计算机视觉感知到计算机视觉认知的深化过程。其中，T表示不同阶段视觉信息处理技术的演变状态。显然，人的视觉系统能够完成视觉感知到视觉认知的自然过渡。在以“人机交互”为核心的计算机视觉感知阶段，主要依靠人完成图像信息的理解、预测等高级操作，计算机作为辅助工具；在以“计算机运算”为核心的智能视觉感知阶段，具有一定智能化程度的算法能够有效察觉、理解大规模视觉信息，但受认知计算水平所限，难以对复杂信息所蕴含的知识进行推理、决策；在以“深度人机融合”为核心的混合增强视觉认知阶段，进一步将人的认知作为辅助元素促进计算机的学习进化；最终达到完全以“计算机认知计算”为核心的计算机视觉认知水平。

图 4 计算机视觉认知深化过程

Fig. 4 The deepening process of computer vision cognition

目前已有部分视觉认知模型的研究。视觉认知计算模型在人与计算机之间搭建了认知桥梁，旨在使计算机完成人类大脑的部分工作(Li等，2018)；基于海马—前额叶记忆系统的认知计算模型(Aleshinskaya和Albatsha，2020)可使系统在单一感知的基础上自主学习更为复杂的感知—动作映射；ABGP-CGSM(awareness, belief, goal, plan-convolutional generative stochastic model)认知模型(Ma等，2015)，对场景噪声具有较强的鲁棒性；此外，还有基于PMJ(perception, memory and judgement)模型的分布式计算认知模型(Forbus等，2017)及其对象识别模型等(Taffar和Miguet，2019)。但是，现有视觉认知模型的存储及处理能力有限，混合增强智能视觉认知模型一方面需要针对认知对象和事件进行信息管理、功能关联和物理布局，通过与环境的交互减轻大规模视觉信息所施加的认知负荷(Kirschner等，2018)；另一方面要能够利用数据挖掘或机器学习的方法生成抽象或派生知识的表示(Christensen和Nagel，2006)，通过注意机制来选择感兴趣的信息。

可见，视觉感知智能应与更深层次的混合增强视觉认知智能融合发展，在逻辑判断基础上不断发展认知推理、情感互动和辅助性决策的视觉认知应用。因此，基于人机协作增强智能，归纳总结了人在回路的混合增强视觉认知方法的基本架构，如图 5所示。首先，由视觉传感器采集目标与环境数据；其次，计算机基于图像处理算法完成低层次的视觉要素察觉，基于智能算法完成中层次的视觉理解，并通过视觉共享机制形成联合态势，完成对大规模复杂数据的智能视觉感知；然后，基于可视化技术将特征信息与人脑信息处理通路连接，人脑与计算机协同进行态势预测、辅助决策，完成对复杂数据的高层次混合增强视觉认知；最后，将此次人机协作过程存储为经验数据，分配交互权重，完成对视觉认知策略的学习。该框架表征了混合增强视觉认知模型的基本范畴，通过可视化单元和多周期寻优，可将视觉传感系统、计算机系统、海量存储系统与人类的认知系统进行特征级与决策级的融合，在语义活动、信息共享、态势预测和决策支持等方面有独特的优势。

图 5 混合增强视觉认知基本架构

Fig. 5 Basic framework of hybrid enhanced visual cognition

2 混合增强视觉认知架构下的典型应用

3 混合增强视觉认知架构下的关键技术进展

计算机视觉处理技术虽然种类繁多、派系复杂，但基本是按照从低级视觉感知向高级视觉认知的脉络发展。在对动态目标的处理上，低级视觉主要承担类似于人脑视觉信息处理的where通路功能(饶恒毅，2002)，属于视觉察觉层次；中级视觉承担类似what通路功能，属于视觉理解层次；而高级视觉则承担类似于对两个通路整合基础上的视觉估计功能，属于视觉预测层次。计算机视觉处理关键技术体系如图 6所示。

图 6 计算机视觉处理关键技术体系

Fig. 6 Key technology system of computer vision

前文叙述混合增强视觉监测、驾驶、决策和共享等典型应用领域涉及了计算机视觉处理技术的各个层次。例如，预处理、目标检测、目标分类、目标识别、检测跟踪、3维重建和视觉融合等技术属于视觉感知的范畴(周建军和王培元，2019)。

与混合增强视觉认知架构相关的技术主要包括可视化分析、视觉增强、视觉注意、视觉理解、视觉推理、交互式学习和认知评估等，相关技术与混合增强视觉认知的关系如图 7所示。

图 7 服务于混合增强视觉认知的部分中高级视觉处理技术

Fig. 7 Some intermediate and advanced visual processing technologies for hybrid enhanced visual cognition

宏观来看，一方面，计算机视觉系统通过可视化分析技术将复杂高维数据直观地向人展示，增强人对数据内部知识的理解；通过视觉增强技术增强人的信息感知维度，提供更多细节信息；通过视觉注意与视觉理解技术，去除冗余信息，增强人的判读效率。另一方面，人利用视觉推理技术，高效完成对事件的决策，增强计算机视觉系统的判决能力；利用交互式学习技术，丰富计算机的视觉系统的认知知识库；利用认知评估技术，不断修正计算机视觉系统的认知偏差。

微观来看，每一类技术都不是单向增强的，均在各自的应用场景下进行混合双向增强，且优化与不足是并存的。

1) 可视化分析。人类无法用肉眼直接从高维度复杂数据中提取有用信息，为了能够直接与数据对话，并帮助人从不同角度分析数据的不确定性，需要进行复杂数据的可视化分析(Kovalerchuk，2017)。高维数据无损可视化是视觉分析、数据挖掘要解决的主要问题，常见方法如表 1所示。相关的可视化商业软件较多，如QlikView、Tibco/SpotFire和Tableau以及Facebook和Google Analytics等。在混合增强视觉认知过程中实现自适应性和可视化的紧密耦合是人机交互面临的一个重要挑战(Nussbaumer等，2016)。自适应可视化有助于认知系统具备自学习智能，即通过一系列有效的感知设计，在可视化系统中提供智能辅助(Arbulu等，2018)来弥补人与复杂数据之间的鸿沟。例如，基于改进的层次视觉适应模型(Nazemi，2018)，在考虑人的感知和认知能力基础上，可用于增强的可视化分析。

表 1 典型高维数据可视化方法
Table 1 Typical visualization methods of high dimensional data

下载CSV

方法	可视化	数据规模特点
主成分分析	有损	规模较大数据
热图、饼图和条形图	无损	小规模数据集
平行坐标和径向坐标	无损	规模较大数据
广义线性线坐标及其若干规范	无损	小规模数据集
广义位移成对坐标	无损可逆	小规模数据集
具有半监督框架可视化分析	有损	规模较大数据

2) 视觉增强。虚拟现实(virtual reality，VR)技术增强了人对虚拟空间的感知(Wu等，2018)，增强现实(augmented reality，AR)技术将合成传感器信息转化为人对真实环境的感知，而混合现实技术(mixed reality，MR)则利用实时视频、3维建模和多传感器信息融合等技术，将现实世界与虚拟信息有机融合，使人可以同时感受虚拟世界和真实物体，进行超现实的混合增强视觉认知。从视觉增强系统的发展趋势来看，硬件技术在AR和MR领域发展迅速，出现了许多具有里程碑意义的产品。在民用领域，较为典型的谷歌眼镜实现了视觉增强零的突破，可带来较好的视觉体验；微软的全息透镜可使用户在真实环境中与全息图像交互(Yang等，2019)；美国TWC(the weather channel)天气频道也用到了混合现实技术，逼真呈现了恶劣天气(https://www.gkzhan.com/news/detail/114410.html)；但这些应用还远远不能满足用户对海量数据处理的需求。对此，出现了集成云计算、AR技术和深度学习的视觉增强系统。总体来说，现有的视觉增强系统仍然功能单一，处理能力有限，人机交互能力依然较差。

3) 视觉注意。人类具有异常突出的数据筛选能力，注意是人类一项重要的心理调节机制。对视觉而言，即为视觉注意，其作用在于快速选择最重要、最有用和最相关的视觉信息。视觉注意机制基于对静态或动态图像的快速粗略分析，选择目标行为的基础信息，提取具有代表性的信息标签，如亮度、颜色、动态和几何(区域边缘、水平和垂直线、角度)等(Shi等，2019a)。该机制应是自适应的，并能够根据图像的统计属性进行调整，降低计算复杂度。早期的计算机视觉注意模型(Koch和Ullman，1985)遵循特征集成理论的基本假设，有基于贝叶斯、决策论、信息论、图模型、频域分析和模式分类的视觉注意模型(王文冠等，2019)，而神经形态视觉工具包可能是最有影响力的视觉注意模型(https://www.aiche.org/academy/conferences/aiche-annual-meeting/2019/proceeding)。在机器人的应用上，分为过度注意模型和面向应用的注意模型两种，具有生物注意系统的独特特性(Zibafar等，2019)。然而，在进行混合增强视觉认知时，由于大多数计算机视觉注意模型具备显著性运算符、隐性焦点转移、自下而上和自上而下分析、可视化搜索离线训练和基于空间对象分析等共同特征，易导致仅限于视觉搜索的普遍约束，限制了视觉注意机制的发展。

4) 视觉理解。理解是神经科学和认知理论的范畴，其思维的基础是人类的一般经验。若要理解和解释视觉中的复杂活动，需要过滤掉一般活动的图像数据，生成更加深入的信息。如图 8所示，基于视觉系统和人的认知知识库，不仅要理解上下文信息，还要提供上下文的自动文本描述，或者回应操作员的上下文查询信息，从而达到认知共振的目的。

图 8 语义分析过程中的视觉理解

Fig. 8 Visual understanding in semantic analysis

当前，视觉理解的研究热点已从低水平视觉任务的算法构建转变为高层次视觉任务的行为分析，尤其是针对大场景的复杂事件识别与分析、社会行为分析、人群分析等研究热度颇高。相关研究大多针对机场、购物中心和火车站等公共场所，采用技术主要包括利用贝叶斯网络(Martinez-Hernandez和Dehghani-Sanij，2018)和矩不变特征描述(Chen等，2017)检测跳跃、撞击、踢腿和坠落等事件(Juang和Wu，2015)；基于轨迹信息的最近邻分类器(Puchkin和Spokoiny，2020)检测冲突、战斗的行为；基于目标轨迹和相对距离解决社会行为分析的复杂性和模糊性问题(Zhang等，2019；黄军等，2019；Martinez-Villaseñor和Ponce，2020)等。在混合增强视觉认知中，人与场景元素交互的方式、顺序和效果是视觉理解必需的，需要进行更具挑战性的推理。

5) 视觉推理。视觉推理是分析视觉信息并解决其主要矛盾的过程(Daw，2020)。人类的推理能力十分强大，可基于视觉、常识和背景知识，正确理解歧义信息，并根据自己的经验推测最可能的结果。以此形成的专家知识系统是视觉推理过程中数据理解的关键。基于训练系统的视觉认知推理过程如图 9所示。

图 9 基于训练系统的视觉认知推理

Fig. 9 Visual cognitive reasoning based on training system

在多物体堆叠场景下，机器人已可基于视觉推理按照正确顺序完成抓取任务(张翰博等，2018)；基于场景图的可解释显式神经模块推理方法可实现低级视觉感知的分离(Shi等，2019b)；Chen等人(2018)提出一种新的迭代视觉推理框架，对缺失的推理区域具有很强的适应性，在ADE(auto-deeplab environment)上实现了8.4%的提升；视觉推理芯片questcore(求索)号称全球最智能、性价比最高(陈玉祥，2019)。但是，当前的视觉系统缺乏任意上下文推理功能，在构建下一代视觉系统时，需关注将空间推理和语义推理结合起来。

混合增强视觉认知中的视觉推理旨在人机交互条件下，使认知系统帮助人类处理多种解释，并且能够生成与人类基本相同的解释。例如，通过集成最先进的目标检测网络在对象级别执行此推理，可在视频中实现语义与空间的详细交互(Baradel等，2018)；基于格式塔心理学原理的可视化推理引擎(Feest，2021)能够模拟经验丰富的人工抉择，并且在歧义产生时可以在交互中选出最合理的解释，使视觉认知系统具有与人类推理相似的能力。

6) 交互式学习。在现有视觉系统中增加主动学习能力不仅是对系统认知的挑战，也是自主适应环境变化、不断进行情报挖掘的实际需求。混合增强视觉认知可基于模仿的交互式学习使计算机获取各种经验数据(Hou，2019)。现有的交互式学习模型集成了机器学习、知识库和人类决策，可从训练数据或少量样本中学习并预测新的数据，当预测置信度较低时，人类辅助判断。例如，基于视觉信息提供的2维和3维轨迹的交互式学习模块，生成了场景模型和活动模型，场景模型使系统能够理解运动并响应操作员提出的上下文查询，活动模型则用于检测与之不一致的可疑事件。目前，单纯的机器学习过分依赖于规则，系统的移植性和可扩展性较差，只能在有严格约束和有限目标的环境中工作，并且不能处理动态、非完整和非结构化的信息。由人工神经网络、模糊推理、粗糙集、近似推理、进化计算和群体智能构建的学习机制(Zheng等，2017)可整合不同的自适应技术，在一定程度上克服了个体的局限性，但是仍然很难运用数据经验，学习处理开放环境下的时变、复杂、不完备问题。

7) 认知评估。当图像数据具备不确定性、复杂性和时间约束时，会影响视觉认知系统做出最佳决策，出现认知偏差。在这种情况下，混合增强视觉认知系统一般会运用启发式方法进行信息价值的评估，即经验法则。但是这种方法有时会导致严重的系统误判或决策偏差。在情报分析中，这种误判或偏差可能发生在分析周期的每个阶段，从而诱发后续认知的误解、忽视和拒绝等错误。最著名的认知偏差是确认偏差，系统会不成比例地支持初始期望和假设的信息。对此，需要对偏差检测进行新的定义，研究检测和减轻确认偏差新的框架。目前主要通过自动计算预测和主观人类判断(Fan等，2018)两种方式评估视觉认知。总体目标是开发自适应视觉认知分析评估系统，若系统在认知过程中受到确认偏差的影响，则告警并提示用户寻找偏差存在的原因。

4 结语

参考文献

Aleshinskaya E, Albatsha A. 2020. A cognitive model to enhance professional competence in computer science. Procedia Computer Science, 169: 326-329 [DOI:10.1016/j.procs.2020.02.191]
Arbulu M, Mateus P, Wagner M, Beltran C and Harada K. 2018. Industry 4.0, intelligent visual assisted picking approach//Proceedings of International Conference on Mining Intelligence and Knowledge Exploration. Cluj-Napoca, Romania: Springer: 205-214[DOI: 10.1007/978-3-030-05918-7_18]
Atif Y, Mathew S S, Lakas A. 2015. Building a smart campus to support ubiquitous learning. Journal of Ambient Intelligence and Humanized Computing, 6(2): 223-238 [DOI:10.1007/s12652-014-0226-y]
Baradel F, Neverova N, Wolf C, Mille J and Mori G. 2018. Object level visual reasoning in videos//Proceedings of Computer Vision-ECCV 2018. Munich, Germany: Springer: 106-122[DOI: 10.1007/978-3-030-01261-8_7]
Braun A, Tuttas S, Borrmann A, Stilla U. 2020. Improving progress monitoring by fusing point clouds, semantic data and computer vision. Automation in Construction, 116: #103210 [DOI:10.1016/j.autcon.2020.103210]
Chen X J, Ke J, Zhan Y Z, Chen X B, Zhang Q Q, Jiang X M, Song X P, Chen B D, Xu H, Zhang J G. 2017. Improved combined invariant moment for moving targets classification. Multimedia Tools and Applications, 76(19): 19959-19982 [DOI:10.1007/s11042-016-4014-x]
Chen X L, Li L J, Li F F and Gupta A. 2018. Iterative visual reasoning beyond convolutions//Proceedings of 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Salt Lake City, USA: IEEE: 7239-7248[DOI: 10.1109/CVPR.2018.00756]
Chen Y, Argentinis E, Weber G. 2016. IBM Watson: how cognitive computing can be applied to big data challenges in life sciences research. Clinical Therapeutics, 38(4): 688-701 [DOI:10.1016/j.clinthera.2015.12.001]
Chen Y X. 2019. Taking advantage of Guizhou public security traffic police big data to move to the whole country[EB/OL]. [2020-07-25]. http://kpgz.gog.cn/system/2019/05/22/017246184.shtml (陈玉祥. 2019. 借势贵州公安交警大数据走向全国依图新推视觉推理芯片[EB/OL]. [2020-07-25]. http://kpgz.gog.cn/system/2019/05/22/017246184.shtml)
Chernenkiy V, Gapanyuk Y, Terekhov V, Revunkov G, Kaganov Y. 2018. The hybrid intelligent information system approach as the basis for cognitive architecture. Procedia Computer Science, 145: 143-152 [DOI:10.1016/j.procs.2018.11.022]
Christensen H I and Nagel H H. 2006. Cognitive Vision Systems. Berlin, Heidelberg: Springer: 221-246[DOI: 10.1007/11414353]
Daw E. 2020. What is visual reasoning?[EB/OL]. [2020-05-09]. https://www.wisegeek.com/what-is-visual-reasoning.htm
Fan S J, Ng T T, Koenig B L, Herberg J S, Jiang M, Shen Z Q, Zhao Q. 2018. Image visual realism: from human perception to machine computation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 40(9): 2180-2193 [DOI:10.1109/TPAMI.2017.2747150]
Feest U. 2021. Gestalt psychology, frontloading phenomenology, and psychophysics. Synthese, 198: 2153-2173 [DOI:10.1007/s11229-019-02211-y]
Forbus K D, Liang C, Rabkina I. 2017. Representation and computation in cognitive models. Topics in Cognitive Science, 9(3): 694-718 [DOI:10.1111/tops.12277]
Hou R L. 2019. Marching ahead in exchanges and mutual learning. China Today, (6): #2
Huang J, Wang C, Liu Y, Bi T T. 2019. The progress of monocular depth estimation technology. Journal of Image and Graphics, 24(12): 2081-2097 (黄军, 王聪, 刘越, 毕天腾. 2019. 单目深度估计技术进展综述. 中国图象图形学报, 24(12): 2081-2097) [DOI:10.11834/jig.190455]
Hubbard T L. 2018. Spatial Biases in Perception and Cognition. Cambridge: Cambridge University Press [DOI:10.1017/9781316651247]
Juang L H, Wu M N. 2015. Fall down detection under smart home system. Journal of Medical Systems, 39: #107 [DOI:10.1007/s10916-015-0286-3]
Kirschner P A, Sweller J, Kirschner F, Zambrano R J. 2018. From cognitive load theory to collaborative cognitive load theory. International Journal of Computer-Supported Collaborative Learning, 13(2): 213-233 [DOI:10.1007/s11412-018-9277-y]
Koch C, Ullman S. 1985. Shifts in selective visual attention: towards the underlying neural circuitry. Human Neurobiology, 4(4): 219-227
Kovalerchuk B. 2017. Visual cognitive algorithms for high-dimensional data and super-intelligence challenges. Cognitive Systems Research, 45: 95-108 [DOI:10.1016/j.cogsys.2017.05.007]
Li N, Zhao X B, Ma B Y, Zou X C. 2018. A visual attention model based on human visual cognition//Proceedings of International Conference on Brain Inspired Cognitive Systems. Xi'an, China: Springer: 271-281 [DOI:10.1007/978-3-030-00563-4_26]
Liu Y J, Yu M J, Fu Q F, Chen W F, Liu Y, Xie L X. 2016. Cognitive mechanism related to line drawings and its applications in intelligent process of visual media: a survey. Frontiers of Computer Science, 10(2): 216-232 [DOI:10.1007/s11704-015-4450-1]
Ma G, Yang X, Zhang B, Qi B Y and Shi Z Z. 2015. An environment visual awareness approach in cognitive model ABGP//Proceedings of the 27th IEEE International Conference on Tools with Artificial Intelligence. Vietri sul Mare, Italy: IEEE: 744-751[DOI: 10.1109/ICTAI.2015.111]
Martinez-Hernandez U, Dehghani-Sanij A A. 2018. Adaptive Bayesian inference system for recognition of walking activities and prediction of gait events using wearable sensors. Neural Networks, 102: 107-119 [DOI:10.1016/j.neunet.2018.02.017]
Martinez-Villaseñor L, Ponce H. 2020. Design and analysis for fall detection system simplification. Journal of Visualized Experiments: #158 [DOI:10.3791/60361]
Nazemi K. 2018. Intelligent visual analytics——a human-adaptive approach for complex and analytical tasks//Karwowski W and Ahram T, eds. Intelligent Human Systems Integration. Dubai, United Arab Emirates: Springer: 180-190[DOI: 10.1007/978-3-319-73888-8_29]
Nussbaumer A, Verbert K, Hillemann E C, Bedek M A and Albert D. 2016. A framework for cognitive bias detection and feedback in a visual analytics environment//Proceedings of 2016 European Intelligence and Security Informatics Conference. Uppsala, Sweden: IEEE: 148-151[DOI: 10.1109/EISIC.2016.038]
Pan Y H. 2016. Heading toward artificial intelligence 2.0. Engineering, 2(4): 409-413 [DOI:10.1016/J.ENG.2016.04.018]
Puchkin N, Spokoiny V. 2020. An adaptive multiclass nearest neighbor classifier. ESAIM: Probability & Statistics, 24: 69-99 [DOI:10.1051/ps/2019021]
Rao H Y. 2002. Dynamic Memory Representation of Visual Information and Cognitive Neuroscience Research on Visual Pathway. Hefei: University of Science and Technology of China (饶恒毅. 2002. 视觉信息的动态记忆表征及视通路的认知神经科学研究. 合肥: 中国科学技术大学)
Shi J W, Zhu Q G, Chen Y J, Wu J and Xiong R. 2019a. Human visual perception based image quality assessment for video prediction//Proceedings of 2019 Chinese Automation Congress (CAC). Hangzhou, China: IEEE: 3205-3210[DOI: 10.1109/CAC48633.2019.8996234]
Shi J X, Zhang H W and Li J Z. 2019b. Explainable and explicit visual reasoning over scene graphs//Proceedings of 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Long Beach, USA: IEEE: 8368-8376[DOI: 10.1109/CVPR.2019.00857]
Shi Z. 2017. Chapter 5: Visual Perception//Mind Computation. New Jersey: World Scientific: 183-217[DOI: 10.1142/9789813145818_0005]
Taffar M, Miguet S. 2019. Local appearance modeling for objects class recognition. Pattern Analysis and Applications, 22(2): 439-455 [DOI:10.1007/s10044-017-0639-2]
Wang W G, Shen J B, Jia Y D. 2019. Review of visual attention detection. Journal of Software, 30(2): 416-439 (王文冠, 沈建冰, 贾云得. 2019. 视觉注意力检测综述. 软件学报, 30(2): 416-439) [DOI:10.13328/j.cnki.jos.005636]
Wu W C, Zheng Y X, Chen K Y, Wang X Y and Cao N. 2018. A visual analytics approach for equipment condition monitoring in smart factories of process industry//Proceedings of 2018 IEEE Pacific Visualization Symposium. Kobe, Japan: IEEE: 140-149[DOI: 10.1109/PacificVis.2018.00026]
Xi Y, Zheng J B, He X J, Jia W J, Li H H, Xie Y F, Feng M C, Li X X. 2020. Beyond context: exploring semantic similarity for small object detection in crowded scenes. Pattern Recognition Letters, 137: 53-60 [DOI:10.1016/j.patrec.2019.03.009]
Yang X G, Ma M S, Li W P, Xie X L. 2019. Intelligent visual enhancement system. Journal of Physics: Conference Series, 1168(2): #022002 [DOI:10.1088/1742-6596/1168/2/022002]
Zhang D, Lu N, Li Y Z, Teng F, Wang L. 2018. Research situation analysis of intelligent visual perception and understanding. Computer Engineering and Applications, 54(19): 18-25, 33 (张迪, 鲁宁, 李宜展, 滕飞, 王丽. 2018. 智能视觉感知与理解研究态势分析. 计算机工程与应用, 54(19): 18-25, 33) [DOI:10.3778/j.issn.1002-8331.1808-0125]
Zhang H, Huang J, Tian F, Dai G Z, Wang H A. 2019. Trajectory prediction model for crossing-based target selection. Virtual Reality and Intelligent Hardware, 1(3): 330-340 [DOI:10.3724/SP.J.2096-5796.2019.0017]
Zhang H B, Lan X G, Zhou X W, Tian Z Q, Zhang Y, Zheng N N. 2018. Robotic grasping in multi-object stacking scenes based on visual reasoning. Scientia Sinica Technologica, 48(12): 1341-1356 (张翰博, 兰旭光, 周欣文, 田智强, 张扬, 郑南宁. 2018. 基于视觉推理的机器人多物体堆叠场景抓取方法. 中国科学(技术科学), 48(12): 1341-1356) [DOI:10.1360/N092018-00169]
Zheng N N, Liu Z Y, Ren P J, Ma Y Q, Chen S T, Yu S Y, Xue J R, Chen B D, Wang F Y. 2017. Hybrid-augmented intelligence: collaboration and cognition. Frontiers of Information Technology and Electronic Engineering, 18(2): 153-179 [DOI:10.1631/FITEE.1700053]
Zhou J J, Wang P Y. 2019. Development of the visual perception technology and some intelligent suggestions. Video Engineering, 43(5): 91-97 (周建军, 王培元. 2019. 视觉感知技术发展及智能化建议. 电视技术, 43(5): 91-97) [DOI:10.16280/j.videoe.2019.05.025]
Zibafar A, Saffari E, Alemi M, Meghdari A, Faryan L, Pour A G, RezaSoltani A, Taheri A. 2019. State-of-the-art visual merchandising using a fashionable social robot: RoMa. International Journal of Social Robotics, 13: 509-523 [DOI:10.1007/s12369-019-00566-3]