使用稀疏表达和机器学习的行人检测技术探讨

《使用稀疏表达和机器学习的行人检测技术探讨》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、使用稀疏表达和机器学习的行人检测技术探讨　　摘要：机器学习是现在一个很热门的研究方向，利用机器深度学习来进行行人的检测是一个科学有效的办法。文章通过对于图像提取与压缩的方案探讨，结合信号的稀疏表达的技术，对行人的检测方法进行了分析，结果表明，机器学习的检测方案是准确而有效的。　　关键词：机器学习；稀疏表达；行人检测　　1图像提取的方法　　1.1分割　　在计算机视觉中，图像分割是将数字图像分割成多个片段或者像素集合的过程，分割的目标是将图像的表示简化和改变为更有意义和更容易分析的东西。图像分割通常用于定位图像中的对象和边界。更精确地，图像分割是向图像中的每个像素分

2、配标签，使得具有相同标签的像素共享某些特性的过程。图像分割的结果是集合地覆盖整个图像或从图像提取的一组轮廓的集合的片段。区域中的每个像素相对于某些特性或计算的属性是相似的。相对于相同的特征，相邻区域是不同的。当应用于成像中的图像堆叠时，在图像分割之后产生的轮廓可以采用插值算法生成。常见的是阈值分割，使用这种成像技术可以精确地进行黑白和彩色图像的自适应图像分割。　　1.2滤波　　迭代过滤算法是用于对观察的图像进行最大似然推断的工具，对未知参数的随机扰动用于探索参数空间。将顺序蒙特卡罗粒子滤波器应用于该扩展模型导致选择与数据更一致的参数值。适当构造的程序，迭代与连续

3、减少的扰动，收敛到最大似然估计。迭代过滤方法迄今为止被广泛用于研究图像的提取与滤波。首先，它们平滑了似然面，使算法能够克服全局搜索早期阶段可能出现的小规模特征。其次，蒙特卡罗变化允许搜索从局部最小值逃脱。第三，迭代过滤更新使用扰动的参数值来构建最大似然的导数近似值，即使该量通常不是以闭合形式可用。第四，参数扰动有助于克服在顺序蒙特卡罗期间可能出现的数值估计困难。　　2基于稀疏表达的图像特征压缩　　稀疏表达可以理解为将一个原始信号用一组字典元素的线性组合进行表示，将一段时间内的信号中的每一个作为一个向量输入到矩阵中，进行矩阵分解，可以得到其低秩部分、稀疏部分和噪声

4、部分。信号的稀疏表示近年来引起了研究人员相当大的兴趣，假设自然信号（例如图像）允许在冗余字典上进行稀疏分解，导致处理这种数据源的有效算法。特别地，用于图像的良好适应的字典的设计已经是一个主要的挑战。K-SVD最近已经被提出用于这个任务并且被示为对于各种灰度图像处理任务执行得很好。为解决学习彩色图像的字典的问题，并扩展基于K-SVD的灰度图像去噪算法。来自稀疏信号表示的技术通常在非传统应用上开始在计算机视觉中看到显著影响，其中目标不仅是获得观察信号的高保真表示，而且还提取语义信息。词典的选择在弥合这种差距中起着关键作用，由训练样本组成或从训练样本本身学习的非常规词

5、典是获得最先进结果和将语义含义附加到稀疏信号表示的关键。理解这种非常规字典的良好性能又需要新的算法和分析技术，这项工作提出了处理非均匀噪声和丢失信息的方法，为如彩色图像去噪、去马赛克和修复等应用中的最先进的结果铺平了道路。　　由于提取到的图像特征数据的维数过高、数量过大，不利于存储和进一步的机器学习，因此需要进行相应的压缩。对于特征提取，我们显示如果识别问题中的稀疏性正确利用，特征的选择不再是关键。然而，关键的是特征的数量是否足够大以及稀疏表示是否被正确地计算。非常规特征，例如下采样图像和随机投影，以及常规特征，例如特征面和拉普拉斯面，只要特征空间的维度超过某一

6、阈值，由稀疏表示的理论预测。该框架可以通过利用这些误差相对于标准（像素）基础常常是稀疏的事实来统一地处理由于遮挡和破坏引起的错误。稀疏表示的理论有助于预测识别算法可以处理多少遮挡以及如何选择训练图像以最大化遮挡的鲁棒性。　　3基于机器学习的行人检测　　3.1机器学习技术　　机器学习是计算机科学的子领域，它使计算机能够学习而不用明确编程。从模式识别和计算学习理论在人工智能的研究演变而来，机器学习探索学习对数据进行预测算法的研究和构建，这样的算法克服了严格的静态程序指令数据驱动的预测或决策，通过从样本输入来建立一个模型。机器学习在一系列计算任务中使用，其中有着明确算

7、法的设计和编程是不可行的，比如垃圾邮件过滤、检测网络入侵者或恶意内部人员、光学字符识别、搜索引擎和计算机视觉，这些方面都没有明确的算法表示。机器学习与计算统计密切相关，并且经常与计算统计重叠，计算统计也集中在通过使用计算机的预测中。它与数学优化有着紧密的联系，它将方法、理论和应用领域传递到现场。机器学习有时与数据挖掘相结合，后者的子领域更侧重于探索性数据分析。机器学习也可以是全自动化的，用来学习和建立各种实体的行为预测，然后用于发现有价值的异常情况。在数据分析领域，机器学习是一种用于设计适合预测的复杂模型和算法的方法，在商业应用中，这被称为预测分析。这些分析模型

8、允许研究人员、数据科学家