服务机器人已应用于生活的方方面面，视觉系统是家庭服务机器人获取外界信息的主要来源，对服务机器人感知和认知世界具有重要作用。视觉注意机制是人类视觉系统的一项重要机制，能够将有限的计算与存储资源分配给场景中少数显著或感兴趣区域。本文将视觉注意机制引入家庭服务机器人系统，有利于解决复杂家庭环境带来的技术挑战。视觉注意计算模型的核心是显著性度量与注意转移。目前关于前者的研究多是针对场景简单、显著物体单一的自然图像，这些模型在背景复杂、光线变化的场景中难以达到理想效果。后者的研究多是静态图像内的隐式注意转移，而显式注意转移对于机器人系统来说是必要的，但是这方面的研究成果较少。因此，本文关于视觉注意模型做出一些新的尝试，具体研究内容如下：　　(1)针对家庭环境复杂性问题，提出了一种基于全局对比度与背景分布度量的显著区域检测算法，该算法在基于全局对比度显著性度量基础上，提出“区域圆度”概念度量区域分布特性，并以指数融合策略计算显著图。该算法的准确性优于已有算法，能够有效检测室内复杂环境下的显著区域。　　(2)针对机器人系统的计算复杂度问题，提出了一种基于FT与One-Cut的显著区域检测算法，该算法在FT算法基础上自适应计算前景/背景种子点，采用One-Cut分割方法提取显著区域，并融合基于深度梯度特征与连通区域属性的分割优化策略，解决了机器人系统计算复杂度高、物体间相互遮挡、颜色特征相似等问题。　　(3)针对移动机器人运动过程中场景信息感知与分析中存在的问题，本文借鉴Ego-Sphere概念模拟生物神经系统的视觉皮层，建立自我-球面感知模型。该模型融合全局空间方位信息和感知物体内容信息，建立了空间感知与机器人内部表达球面映射关系。自我-球面感知模型主要包括全局显著性策略、视觉注意转移、短时记忆三个模块，三者相互作用、相辅相成，提高了机器人运动过程中感知能力。　　(4)构建家庭服务机器人感知系统，利用模块化思想封装视觉注意计算模型，通过大量真实场景实验验证，证明了本文提出的模型在遮挡、视角变化、光照变化等多种场景下具有一定的鲁棒性和有效性。