人类视觉系统具有强大的信息处理能力,人类可以在很短的时间内找到他们感兴趣的领域,即显著性区域。通过计算机视觉相关算法提取图像或视频中显著区域的技术即为显著性检测技术。近年来随着技术的发展以及对信息处理速度的要求,使得显著性检测技术受到关注并取得了很大进步。传统的显著物体检测方法致力于检测显著物体所在的区域。但是当人们集中精力时,通常只关注物体的一部分,而不是整个目标。因此,通过检测眼动情况来检测注视位置可以更好地模拟注意力转移。为了更好地模拟人类的视觉注意力机制,本文提出了一个基于深度神经网络的模型来预测注意力转移,该模型使用时空特征分别提取静态显著性图和动态注意力图,利用全卷积网络将它们融合到最终的显著性图中,以预测动态场景下的视觉注意力转移。在本文中,针对注意力转移的任务,模型结合了两种视觉注意力机制,包括自发眼动情况下的显著性检测和有指令驱动情况下的注意力转移预测,可以同时考虑图像数据信息对视觉注意力的影响,以及认知因素和任务因素对注意力转移的影响。此外,本文还提出了一种新的眼动数据处理算法,使用眼动追踪系统来标记眼动数据集。本文主要工作如下:（1）为了更好地模拟视觉注意力转移,本文设计眼动追踪系统进行实验,标注了一个动态场景视频眼动追踪数据集,并提出结合概率分布算法和模糊C均值聚类算法的眼动数据处理算法,使眼动数据更加精确,为后续的模型构建提供帮助。（2）提出了基于多尺度时空特征的视频显著性检测方法,用于预测动态场景下的注意力转移。该模型运用空间金字塔池化模型进行时空特征的提取,分别提取静态显著性图和动态注意力图,利用全卷积网络将它们融合到最终的注视图中,以预测注意力转移。本文提出的方法综合考虑了在自发的眼动和有任务驱动两种注视情况。