模式识别基础教程.ppt

《模式识别基础教程.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、模式识别(PatternRecognition)主讲教师：宫宁生2提纲模式识别概论主要模式识别方法模式识别过程案例介绍DEMO3为什么需要模式识别？模式识别：人类学习的基本方法人眼识别物中医看舌苔/脉搏图谱辨别化合物4什么是模式？分类确定模式非确定模式随机模式5定义：模式类模式x:具有某些量化测量值或者特征模式类(vi)：Acollectionof“similar”(notnecessarilyidentical)objectsInter-classvariabilityIntra-classvar

2、iability模式类的统计特性相似性-先验概率：P(vi)类条件概率密度：p(x

3、vi)Theletter“T”indifferenttypefacesCharactersthatlooksimilar6定义：模式识别依据一定的规则，将模式进行分类的过程（Classifies“patterns”into“classes”）主要过程:数据处理：模式类的模型假设：选择最优的模型并分类：7模式识别的主要问题建模问题描述表示例如：用面积和周长表示某种形状特征提取与选择问题维数灾难——如何降维？主成分分析

4、PCA选择具有最大区分能力的特征线性判别分析LDA任务特定的学习问题贝叶斯决策理论、统计学习理论和SVM8模式分类vs.模式聚类ClassificationClusteringCategory“A”Category“B”Classification(Recognition)(SupervisedClassification)Clustering(UnsupervisedClassification)9典型应用语音识别（例如：IBMViaVoice系统）表情分析、年龄、种族、性别分类OCR:车牌照、

5、集装箱号码…手写体识别：汉王手势识别：基于视觉的，基于数据手套人脸识别、指纹识别、虹膜识别…军事目标识别生物信息、医学图像遥感、气象模式识别方法10参数估计近邻法直接计算判别函数·非参数方法有监督学习最小距离分层聚类无监督学习静态模式（不相关）HMM时序模式（相关的静态模式）统计模式识别模板匹配结构模式识别神经网络句法模式识别统计学习理论和支持向量机模糊模式识别半监督学习11模板匹配TemplateMatchingTemplateInputscene12统计模式识别模式识别最初从统计理论发展而来基本

6、思想：模式被描述为一组测量值组成的随机特征向量，用概率统计理论对其进行建模，用统计决策理论划分特征空间来进行分类。13统计模式识别的一般过程预处理特征提取/选择分类预处理特征提取/选择学习分类规则测试模式训练模式分类训练错误率检测14模糊模式识别1965年Zadeh提出模糊集理论是对传统集合理论的一种推广传统：属于或者不属于模糊：以一定的程度属于模糊逻辑：相对传统二值逻辑“是或不是”模糊数学：研究模糊集和模糊逻辑模糊系统：应用角度15特征提取：PR的第一步任务：提取适于分类的特征（量化测量值）好的特

7、征Objectsfromthesameclasshavesimilarfeaturevalues.Objectsfromdifferentclasseshavedifferentvalues.“Good”features“Bad”features16特征提取与选择问题变成：如何优化特征提取算子的参数维数灾难——如何降维？PCA选择具有最大区分能力的特征LDAFeatureextractionFeatureselection17基于AdaBoost的快速人脸检测18AdaBoost算法简介在200

8、1年的ICCV上，Compaq的研究员PaulViola和MichaelJ.Jones发表了一个实时人脸检测系统，其速度是平均每秒15帧，图像大小是384x288。参见：PaulViola,MichaelJ.Jones.RobustReal-timeObjectDetection.CRL2001/01February2001.系统在技术上的三个贡献：1.用简单的矩形特征来作为人脸图像特征;2.基于AdaBoost的分类器;3.采用了Cascade(分级分类器)技术提高检测速度。这种技术具有实时性的特

9、点，而且有可能扩展到多个姿态的人脸检测。19人脸的特征表示方法矩形特征（Harr-like特征）矩形特征的值是所有白色矩形中点的亮度值的和减去所有灰色矩形中点的亮度值的和，所得到的差有4种类型的矩形特征20输入图像积分图像基于积分图像的Haar-like特征计算21AdaBoost分类器AdaBoost分类器Adaboost学习算法是用来提高某种简单分类算法的性能的。它通过对一些弱分类器的组合来形成一个强分类器功能将分类性能不好的弱分类器提升为分类性能好的强分类器的学