物体识别是计算机视觉领域的核心问题之一,相比于计算机视觉,人类视觉系统能快速、准确地识别视野中的目标,所以近些年涌现出很多模拟人类视觉系统工作机制的物体识别模型。本文引入了发育网络模型,对图像中目标物体进行识别,接着模拟视觉皮层中较为重要的两条通路,腹侧通路和背侧通路,构建了仿大脑皮层工作机制的模型,对复杂背景下目标物体进行识别。本文虽然以图像中人脸的识别作为物体识别的例子,但重点不是物体识别而是模型本身的研究,通过人脸识别来验证发育网络模型在物体识别上的有效性。首先介绍了发育网络的基本原理,算法流程以及内部的竞争机制,并指出了与传统网络的区别;其次构建基本发育网络模型,用ORL人脸库来验证模型,网络权值采用两种初始化的方式,图片初始化和随机初始化,结果中对比识别率,最高能达到95%以上;然后,制作带复杂背景的人脸图库,在发育网络模型中引入模拟大脑工作的突触维护机制,该机制可以弱化背景干扰,使网络模型仅处理感兴趣的目标区域,最后的实验对比了加与不加该机制得到的识别率,最高能达到96%以上,验证了该模型可以检测识别复杂背景中的物体。最后,在发育网络的基础上,引入了Where-What Network模型。先介绍了模型特点,再对其网络结构中的感受野、神经元状态等内部参数和网络计算流程做了说明,然后设计实验和分析结果,对内部权重进行了可视化;网络不仅可以识别复杂背景中人脸的类型,还可以对人脸的位置、尺寸进行有效的检测,由实验结果可知,类型识别率最高能到100%,位置识别误差最低可以降至1个像素以内,尺寸识别误差最低接近于1个像素,结果验证了模型的有效性。