2013年12月_Particlefilter

转载使用MATLAB进行GPU高级编程

GPU能够对符合以下标准的应用程序进行加速：　　大规模并行—计算能够被分割成上百个或上千个独立的工作单元。　　计算密集型—计算消耗的时间显著超过了花费转移数据到GPU内存以及从GPU内存转移出数据的时间。　　不满足上述标准的应用程序在GPU上运行时可能会比CPU要慢。　　使用MATLAB进行GPU编程　　FFT，IFFT以及线性代数运算超过了100个内置的MATLA

2013-12-27 08:56:08 1870

转载机器学习(Machine Learning)

（转载）机器学习方法的PPT分类：模式识别与图像处理 2007-10-14 16:49 12360人阅读评论(16)收藏举报classificationoptimizationtreegraphalgorithmmethods 一、特征选择二、分类方法三、决策树四、人工神经网络与遗传算法五、支持向量机六、图论

2013-12-22 19:43:48 1912 1

原创 HOG特征

因为HOG特征在自己的学习过程中应用非常广泛，一直想把它搞懂。在网上找了很久，也没有找到一篇合适的文章。所以想自己动手，参照别人的一些文章，把这个问题搞得清楚一点。HOG descriptors是计算机视觉和图像处理领域用于目标检测的特征描述器。首先计算局部图像梯度的方向信息，然后对所得信息进行统计，最后对得到的梯度方向直方图特征，从而对图像中的目标进行检测。HOG描述器是在一个网格密

2013-12-22 08:50:25 1285

转载 Adaboost

Adaboost是一种可将弱分类器的性能提升为强分类器的方法。其中的弱分类器均为有监督学习，通常采用决策柱、感知器等较为简单的分类器。

2013-12-21 12:08:14 4057

原创支持向量机

支持向量机是一种有监督学习的方法

2013-12-21 12:01:56 1165

原创主成分分析(PCA)学习有感

主成分分析本质上是一种维数约减的方法

2013-12-21 12:01:00 1801

原创粒子滤波(Particle filter)matlab实现

粒子滤波是以贝叶斯推理和重要性采样为基本框架的。因此，想要掌握粒子滤波，对于上述两个基本内容必须有一个初步的了解。贝叶斯公式非常perfect，但是在实际问题中，由于变量维数很高，被积函数很难积分，常常会给粒子滤波带来很大的麻烦。为了克服这个问题，它引入了重要性采样。即先设计一个重要性密度，根据重要性密度与实际分布之间的关系，给采样得到的粒子分配权重。再利用时变贝叶斯公式，给出粒子权重的更新公式及

2013-12-21 09:54:36 19193 1

原创贝叶斯统计

1763年英国学者T.贝叶斯在文章《论有关机遇问题的求解》中提出一种归纳推理的理论，后被一些统计学者发展为系统的统计推断方法，称为贝叶斯方法。采用这种方法作统计推断所得的全部结果，构成贝叶斯统计的内容。认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派，其形成可追溯到 20世纪 30 年代。到50～60年代，已发展为一个有影响的学派。时至今日，其影响日益扩大。在贝叶

2013-12-20 20:17:59 3017

原创 2013视觉跟踪的初学者

我是2012年上的博士，之前一直在高校做教师，平平淡淡，带带课，申请个校级项目、厅级项目，参加个院级教学比赛。终日提心吊胆，生怕出一点差错被人批。终于赶上学校的“双百计划”，我考上了博士。刚上博士的第一学期，像个无头苍蝇，乱飞乱撞，毫无头绪。由于自己之前看过Kalman滤波，所以看粒子滤波，又看到粒子滤波在视觉跟踪中应用很广泛。就看视觉跟踪的东西。就这样一步步走进了这个领域。所以真正接触visua

2013-12-20 20:12:25 4378 5

原创视觉跟踪

简单的来说，视觉跟踪就是在初始帧确定要跟踪的目标后，在后续帧中找到它，即使是经受了光照、遮挡、形变、噪音等。均值漂移算法不是自适应的，它在初始帧建立外观模型后，不再改变，在整个跟踪过程中，采集样本与这个模板进行对比，那一个候选目标与模板接近，就认为那一个是跟踪结果。为了克服外界对于跟踪的影响，需要建立自适应外观模型。这其中有两种方法，一种是生成模型，另外一种是判别模型。生成模型中，最具代表性的是I

2013-12-20 17:32:34 1711

原创 Haar类特征及其在视觉跟踪中的应用

看Harr类特征时间比较久了，一直搞不清楚到底是怎么将其应用到tracking 中的，今天总算有点感觉。同时也意识到，必须对自己的体会做一个简单的整理。Harr类特征是由一个特征、阈值及标志不等号方向的数组成。其中特征不仅与矩形的尺度有关，还与矩形所处的位置有关。我觉得在训练分类器时，样本的大小必须是一样的。然后让同一个矩形在这些样本上面同时移动，找出最好的矩特征。但是，第一个矩特征肯定有分错的样

2013-12-20 17:20:08 2033

u010545732的专栏