隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展,高斯過程模型越來越受到廣大專家學(xué)者的關(guān)注和青睞。高斯過程模型既可以應(yīng)用于回歸,也可以應(yīng)用于分類,本文中將針對(duì)高斯過程回歸在基于圖片和視頻數(shù)據(jù)的預(yù)測(cè)問題中的應(yīng)用進(jìn)行研究。近年來,圖像視頻數(shù)據(jù)的預(yù)測(cè)問題已經(jīng)成為計(jì)算機(jī)視覺領(lǐng)域中的研究熱點(diǎn),新的技術(shù)層出不窮,越來越多的企業(yè)將這些技術(shù)應(yīng)用于實(shí)踐生產(chǎn)中。盡管有大量學(xué)者和企業(yè)對(duì)圖像和視頻數(shù)據(jù)中的預(yù)測(cè)問題進(jìn)行了深入的研究,并取得了豐碩的成果,但是仍然有許多關(guān)鍵性問題有待解決。本文以高斯過程回歸算法為研究對(duì)象,分別在圖像和視頻的場(chǎng)景下提出改進(jìn)的應(yīng)用方案。首先,在視頻預(yù)測(cè)方面:以視頻中的車流量統(tǒng)計(jì)為研究對(duì)象,提出結(jié)合了動(dòng)態(tài)紋理模型和高斯過程回歸算法的車流量統(tǒng)計(jì)方案,利用動(dòng)態(tài)紋理模型來分割視頻序列中的運(yùn)動(dòng)前景和靜態(tài)背景,并提取前景分割段的特征,同時(shí),通過高斯過程回歸算法對(duì)特征和車流量之間的映射關(guān)系進(jìn)行學(xué)習(xí),以此最終做出回歸預(yù)測(cè)。該方案是從車流量的整體性角度考慮,避免了以往的車流量檢測(cè)方案中單個(gè)車輛計(jì)數(shù)引起的漏檢和誤檢情況,達(dá)到了降低誤差,提高統(tǒng)計(jì)精度的目的。其次,在圖像預(yù)測(cè)方面:本文將人臉圖像的年齡估計(jì)作為研究對(duì)象,提出利用主動(dòng)... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

用于回歸的高斯過程模型的訓(xùn)練和預(yù)測(cè)

大學(xué)碩士研究生學(xué)位論文 第三章 基于高斯過程回歸的車流量檢斯過程回歸在車流量檢測(cè)問題上的應(yīng)用研究于視頻的車流量檢測(cè)問題上，對(duì)單個(gè)車輛跟蹤檢測(cè)并進(jìn)行車流量統(tǒng)計(jì)作為以往案中的主要思想，其誤檢和漏檢等問題較為明顯。因此，針對(duì)這些普遍存在的問了利用動(dòng)態(tài)紋理模型和高斯過程回歸算法對(duì)視頻序列中的車流量進(jìn)行統(tǒng)計(jì)的改地提高了車流量統(tǒng)計(jì)的精確度。在該方案中，動(dòng)態(tài)紋理模型用于分割視頻序列和靜態(tài)背景，高斯過程回歸用于對(duì)車流特征和車流量的映射關(guān)系進(jìn)行學(xué)習(xí)，利斯過程模型對(duì)車流量進(jìn)行統(tǒng)計(jì)。車流量檢測(cè)方案的流程圖如圖 3.3，該流程圖簡(jiǎn)文提出的車流量檢測(cè)系統(tǒng)的執(zhí)行流程。

學(xué)碩士研究生學(xué)位論文 第三章 基于高斯過程回歸的車流量檢出一些平穩(wěn)性的屬性。視頻序列中運(yùn)動(dòng)模式的分析主要是依賴于動(dòng)態(tài)紋理的像序列在時(shí)間上固有地存在連貫性，采用動(dòng)態(tài)紋理模型將這些存在連貫性的統(tǒng)計(jì)時(shí)空均勻的目標(biāo)區(qū)域和靜態(tài)背景區(qū)域，其中，目標(biāo)區(qū)域就是本文中的能車輛的區(qū)域，通過對(duì)該目標(biāo)區(qū)域進(jìn)行特征提取，并且利用高斯過程回歸對(duì)提訓(xùn)練學(xué)習(xí)，進(jìn)而對(duì)車流量做出回歸估計(jì)。

【參考文獻(xiàn)】：
期刊論文
[1]基于高斯過程回歸的網(wǎng)絡(luò)流量預(yù)測(cè)模型[J]. 李振剛.  計(jì)算機(jī)應(yīng)用. 2014(05)
[2]高斯過程回歸方法綜述[J]. 何志昆,劉光斌,趙曦晶,王明昊.  控制與決策. 2013(08)
[3]基于高斯過程回歸的上市股價(jià)預(yù)測(cè)模型[J]. 楊振艦,夏克文.  計(jì)算機(jī)仿真. 2013(01)
[4]基于高斯混合模型的多車道車流量檢測(cè)算法[J]. 周世付,李建雄,沈振乾,張芳.  計(jì)算機(jī)仿真. 2012(10)
[5]基于高斯過程回歸的短期風(fēng)速預(yù)測(cè)[J]. 孫斌,姚海濤,劉婷.  中國(guó)電機(jī)工程學(xué)報(bào). 2012(29)
[6]一種基于人臉圖像的年齡估計(jì)方法[J]. 羅佳佳,蔡超.  計(jì)算機(jī)與數(shù)字工程. 2012(04)
[7]動(dòng)態(tài)紋理背景的建模[J]. 何莎,費(fèi)樹岷.  計(jì)算機(jī)應(yīng)用. 2009(S2)
[8]基于高斯過程分類器的連續(xù)空間強(qiáng)化學(xué)習(xí)[J]. 王雪松,張依陽,程玉虎.  電子學(xué)報(bào). 2009(06)

碩士論文
[1]基于視頻的車流量檢測(cè)技術(shù)研究[D]. 吳志偉.華南理工大學(xué) 2012
[2]基于高斯過程的在線建模問題研究[D]. 申倩倩.華南理工大學(xué) 2011
[3]基于視頻虛擬線圈的交通流參數(shù)檢測(cè)[D]. 尹朝征.清華大學(xué) 2002



本文編號(hào)：3292479