![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别
搬砖小松鼠
贮藏坚果,以备过冬!
展开
-
模式识别相似性测度距离计算---马氏距离
马氏距离(Mahalanobis distance)是由印度统计学家马哈拉诺比斯(P. C. Mahalanobis)提出的,表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法。与欧氏距离不同的是它考虑到各种特性之间的联系(例如:一条关于身高的信息会带来一条关于体重的信息,因为两者是有关联的)并且是尺度无关的(scale-invariant),即独立于测量尺度。对于一个均值为μ,原创 2016-03-01 14:48:51 · 3805 阅读 · 0 评论 -
模式识别相似性测度距离计算---几种距离对比
在分类聚类算法,推荐系统中,常要用到两个输入变量(通常是特征向量的形式)距离的计算,即相似性度量.不同相似性度量对于算法的结果,有些时候,差异很大.因此,有必要根据输入数据的特征,选择一种合适的相似性度量方法.令X=(x1,x2,..,xn)T,Y=(y1,y2,...yn)T为两个输入向量, 1.欧几里得距离(Euclidean distance)-EuclideanDi转载 2016-03-01 15:12:17 · 13570 阅读 · 0 评论 -
计算机视觉目标检测的框架与过程
个人接触机器视觉的时间不长,对于机器学习在目标检测的大体的框架和过程有了一个初步的了解,不知道对不对,如有错误,请各位大牛不吝指点。 目标的检测大体框架:目标检测分为以下几个步骤:1、训练分类器所需训练样本的创建: 训练样本包括正样本和负样本;其中正例样本是指待检目标样本(例如人脸或汽车等),负样本指其它不包含目标的任意图片(如背转载 2016-03-02 10:33:57 · 429 阅读 · 0 评论 -
目标检测的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检测中获得了极大的成功。需要提醒的是,HOG+SVM进行行人检测的方法是法国研究人员Dal转载 2016-03-02 10:36:50 · 453 阅读 · 0 评论 -
目标检测的图像特征提取之(二)LBP特征
LBP(Local Binary Pattern,局部二值模式)是一种用来描述图像局部纹理特征的算子;它具有旋转不变性和灰度不变性等显著的优点。它是首先由T. Ojala, M.Pietikäinen,和 D. Harwood 在1994年提出,用于纹理特征提取。而且,提取的特征是图像的局部的纹理特征; 1、LBP特征的描述 原始的LBP算子定义为在3*3的转载 2016-03-02 10:37:59 · 1073 阅读 · 0 评论 -
目标检测的图像特征提取之(三)Haar特征
1、Haar-like特征 Haar-like特征最早是由Papageorgiou等应用于人脸表示,Viola和Jones在此基础上,使用3种类型4种形式的特征。Haar特征分为三类:边缘特征、线性特征、中心特征和对角线特征,组合成特征模板。特征模板内有白色和黑色两种矩形,并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例转载 2016-03-02 10:38:49 · 378 阅读 · 0 评论 -
模式识别特征降维-PCA(Principal Component Analysis)
在进行图像的特征提取的过程中,提取的特征维数太多经常会导致特征匹配时过于复杂,消耗系统资源,不得不采用特征降维的方法。所谓特征降维,即采用一个低纬度的特征来表示高纬度。特征降维一般有两类方法:特征选择和特征抽取。特征选择即从高纬度的特征中选择其中的一个子集来作为新的特征;而特征抽取是指将高纬度的特征经过某个函数映射至低纬度作为新的特征。常用的特征抽取方法就是PCA。下面着重介绍PCA。PC转载 2016-03-03 20:09:09 · 3448 阅读 · 0 评论 -
libsvm 在matlab中保存读取model文件的接口
感谢icestone007无私奉献http://blog.csdn.net/icestone007/article/details/6804150最近一直在用matlab和libsvm,发现libsvm库用起来还是很方便的,就是没有模型直接保存到文件和读取模型的matlab接口(C++的接口有)。由于有会用的Opencv等C/C++库,所以数据交换比较麻烦。看了一下转载 2016-03-04 16:40:37 · 975 阅读 · 0 评论 -
行人检测实现和相关资料
最近一直在看行人检测的论文,对目前的行人检测做大概的介绍。行人检测具有极其广泛的应用:智能辅助驾驶,智能监控,行人分析以及智能机器人等领域。从2005年以来行人检测进入了一个快速的发展阶段,但是也存在很多问题还有待解决,个人觉得主要还是在性能和速度方面还不能达到一个权衡。1.行人检测的现状(大概可以分为两类)(1).基于背景建模:利用背景建模方法,提取出前景运动的目标,在目转载 2016-03-09 15:38:05 · 857 阅读 · 0 评论 -
目标检测中的背景建模方法
最近一直在做前景检测方面的研究,刚开始主要是做一些工程性的应用,为了解决工程方面的问题,下了不少功夫,也看了不少最近国内外的文章。一直想做个总结,拖着拖着,终究却写成这篇极不成功的总结。 背景建模或前景检测的算法主要有:1. Single Gaussian (单高斯模型)Real-time tracking of the human body2. 混合高斯模型(M转载 2016-03-13 14:32:52 · 516 阅读 · 0 评论 -
行人检测综述整理
行人检测综述:1)特征提取 2)分类与定位1.特征提取(1)底层特征(2)基于学习的特征(3)混合特征1.1底层特征(1)颜色:容易受光照的影响(2)纹理:LBP局部二值模型(不太适合模糊的图片),F-LBP,S-LBP,CENTRIST(3)梯度:HOG方向梯度直方图1.1.1 HOG特点:用原创 2016-03-11 11:59:05 · 1101 阅读 · 0 评论 -
行人检测全局特征中的HOG、LBP、Haar特征整理
原文地址:http://dataunion.org/20584.html(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中,尤其在行转载 2016-03-11 15:40:41 · 11567 阅读 · 0 评论 -
模式识别相似性测度距离计算---tanimoto距离
Tanimoto系数(又称广义Jaccard系数)-TanimotoDistanceMeasure.相似系数)" style="margin:0px; padding:0px; border:0px; list-style:none">相似系数)" style="margin:0px; padding:0px; border:0px; list-style:none">通常原创 2016-03-01 15:10:19 · 7483 阅读 · 0 评论 -
模式识别相似性测度距离计算---夹角余弦和特征二值得夹角余弦
向量空间余弦相似度(Cosine Similarity)余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。余弦值越接近1,就表明夹角越接近0度,也就是两个向量越相似,这就叫"余弦相似性"。向量空间余弦相似度理论就是基于上述来计算个体相似度的一种方法。下面做详细的推理过程分析。如果向量a和b不是二维而是n维,上述余弦的计算法仍然正确。假定a和b是两个n维向量,a原创 2016-03-01 14:58:09 · 2514 阅读 · 0 评论 -
模式识别相似性测度距离计算---欧式距离
欧氏距离定义: 欧氏距离( Euclidean distance)是一个通常采用的距离定义,它是在m维空间中两个点之间的真实距离。 对于n维空间,欧式距离的公式是 d=sqrt( ∑(xi1-xi2)^ ) 这里i=1,2..n xi1表示第一个点的第i维坐标,xi2表示第二个点的第i维坐标 n维欧氏空间是一个点集,它的每个点可以表示为(x(1),x(2),…x(n)),其中x(i原创 2016-03-01 14:41:17 · 4517 阅读 · 0 评论