13、计算机视觉中的目标识别与人体姿态识别技术

计算机视觉中的目标识别与人体姿态识别技术

在计算机视觉领域，目标识别和人体姿态识别是两个重要的研究方向。下面将详细介绍两种相关的技术方法及其特点和效果。

1. 基于CIA的目标识别方法

1.1 CIA方法概述

CIA（颜色不变混合模型）是一种新颖的生成式贝叶斯框架，用于推广stel模型。它解决了基于stel模型中难以对stel分布进行正则化的问题。该方法通过混合模型表示stel参数的完整后验分布，能够根据目标复杂度的不同表示不同数量的stel，以捕捉目标的变化。

1.2 目标识别实验

1.2.1 实验设置

对于28个类别，根据之前介绍的描述符和式(36)定义的交集核，计算训练集与训练集、训练集与测试集的Gram矩阵。由于共有420张训练图像和420张测试图像（28个类别，每个类别15张图像），每个矩阵都是420×420的矩阵。使用这些Gram矩阵训练一对多的SVM分类器。

1.2.2 与非贝叶斯模型对比

将CIA方法与基本的非贝叶斯stel模型进行比较。基本的非贝叶斯stel模型需要预先设置stel的数量，通过留一法交叉验证在训练集上进行设置，允许stel数量在4到12之间。结果显示，经过交叉验证的基本stel模型分类准确率为42%，而CIA方法的贝叶斯模型准确率达到68%，这表明CIA方法的灵活性有助于获得更具区分性的表示。

1.2.3 结合空间金字塔描述符

为了进一步提高性能，将贝叶斯stel模型提取的描述符与标准的两级空间金字塔描述符相结合。结合后的分类准确率提高到72%，虽然提升幅度不大（标准差约为2%），但可能是