噌胥苑——行思驿站

1.1模式识别的基本概念   1.模式的描述方法    一个待分类的对象就是一个样本。    必须确定一些与识别有关的因素作为分类研究的根据，每一个因素成为一个特征；模式就是样品所具有特征的描述。    模式中抽取的多个特征的特征集可用特征向量表示；特征向量的每个元素就特征。    模式识别问题，就是根据模式的特征集，即特征向量X中的n个特征来判别模式属于几个特定类中的哪一类。

最近开始专心学习机器学习、模式识别算法，主要通过斯坦福大学Andrew Ng老师的《机器学习》课程和《模式识别与智能计算-matlab技术实现》这本书进行学习。以模式识别为主线进行学习。那本书可在此下载  http://download.youkuaiyun.com/detail/eric41050808/7123665模式识别主要是通过对大量样本进行特征提取，然后对这些特征进行训练得到分类模型，最后

1.3分类器设计   模式识别算法的设计都是强调“最优”或“最佳”，希望所设计的系统在性能上最优。这种“最优”是针对某一种设计原则而言的，及准则。1.3.1分类器设计准则如下：         1）最小误差率准则；         2）最小风险准则；         3）近邻准则：依据是同类物体在特征空间具有聚类特性的原理；         4）Fisher准则；

摘 要：复杂背景目标跟踪是近年来自动目标识别（ATR）领域的一个研究热点，在军事、医疗、安全等多个领域具有广泛的应用前景。ATR的研究内容主要包括目标的检测分类、特征提取和目标定位识别等。本文对当前流行的目标跟踪算法进行了全面的分析比较，最后对目标跟踪算法的进一步研究方向进行了深入的探讨。 关键词：目标跟踪；粒子滤波；自动目标识别 　　1 引言 　　目标跟踪（Target Tracki

搞了一年人脸识别，寻思着记录点什么，于是想写这么个系列，介绍人脸识别的四大块：Face detection, alignment, verification and identification(recognization)，本别代表从一张图中识别出人脸位置，把人脸上的特征点定位，人脸校验和人脸识别。（后两者的区别在于，人脸校验是要给你两张脸问你是不是同一个人，人脸识别是给你一张脸和一个库问你这张

运动前景对象检测一直是国内外视觉监控领域研究的难点和热点之一，其目的是从序列图像中将变化区域从背景图像中提取出来，运动前景对象的有效检测对于对象跟踪、目标分类、行为理解等后期处理至关重要，那么区分前景对象，非常关键的一个问题是确定一个非常合适的背景，背景从象素的角度来理解，每一个象素就是有可能是前景点，也有可能是背景点，那么我们就要防止背景中误进入原属于前景点的对象，目前有几种常用的方法，但分别有