高斯过程回归在基于图片视频数据的预测问题中的应用研究

发布时间：2021-07-20 08:20

　　随着机器学习方法的不断发展,高斯过程模型越来越受到广大专家学者的关注和青睐。高斯过程模型既可以应用于回归,也可以应用于分类,本文中将针对高斯过程回归在基于图片和视频数据的预测问题中的应用进行研究。近年来,图像视频数据的预测问题已经成为计算机视觉领域中的研究热点,新的技术层出不穷,越来越多的企业将这些技术应用于实践生产中。尽管有大量学者和企业对图像和视频数据中的预测问题进行了深入的研究,并取得了丰硕的成果,但是仍然有许多关键性问题有待解决。本文以高斯过程回归算法为研究对象,分别在图像和视频的场景下提出改进的应用方案。首先,在视频预测方面:以视频中的车流量统计为研究对象,提出结合了动态纹理模型和高斯过程回归算法的车流量统计方案,利用动态纹理模型来分割视频序列中的运动前景和静态背景,并提取前景分割段的特征,同时,通过高斯过程回归算法对特征和车流量之间的映射关系进行学习,以此最终做出回归预测。该方案是从车流量的整体性角度考虑,避免了以往的车流量检测方案中单个车辆计数引起的漏检和误检情况,达到了降低误差,提高统计精度的目的。其次,在图像预测方面:本文将人脸图像的年龄估计作为研究对象,提出利用主动... 

【文章来源】：南京邮电大学江苏省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

用于回归的高斯过程模型的训练和预测

大学硕士研究生学位论文 第三章 基于高斯过程回归的车流量检斯过程回归在车流量检测问题上的应用研究于视频的车流量检测问题上，对单个车辆跟踪检测并进行车流量统计作为以往案中的主要思想，其误检和漏检等问题较为明显。因此，针对这些普遍存在的问了利用动态纹理模型和高斯过程回归算法对视频序列中的车流量进行统计的改地提高了车流量统计的精确度。在该方案中，动态纹理模型用于分割视频序列和静态背景，高斯过程回归用于对车流特征和车流量的映射关系进行学习，利斯过程模型对车流量进行统计。车流量检测方案的流程图如图 3.3，该流程图简文提出的车流量检测系统的执行流程。

学硕士研究生学位论文 第三章 基于高斯过程回归的车流量检出一些平稳性的属性。视频序列中运动模式的分析主要是依赖于动态纹理的像序列在时间上固有地存在连贯性，采用动态纹理模型将这些存在连贯性的统计时空均匀的目标区域和静态背景区域，其中，目标区域就是本文中的能车辆的区域，通过对该目标区域进行特征提取，并且利用高斯过程回归对提训练学习，进而对车流量做出回归估计。

【参考文献】：
期刊论文
[1]基于高斯过程回归的网络流量预测模型[J]. 李振刚.  计算机应用. 2014(05)
[2]高斯过程回归方法综述[J]. 何志昆,刘光斌,赵曦晶,王明昊.  控制与决策. 2013(08)
[3]基于高斯过程回归的上市股价预测模型[J]. 杨振舰,夏克文.  计算机仿真. 2013(01)
[4]基于高斯混合模型的多车道车流量检测算法[J]. 周世付,李建雄,沈振乾,张芳.  计算机仿真. 2012(10)
[5]基于高斯过程回归的短期风速预测[J]. 孙斌,姚海涛,刘婷.  中国电机工程学报. 2012(29)
[6]一种基于人脸图像的年龄估计方法[J]. 罗佳佳,蔡超.  计算机与数字工程. 2012(04)
[7]动态纹理背景的建模[J]. 何莎,费树岷.  计算机应用. 2009(S2)
[8]基于高斯过程分类器的连续空间强化学习[J]. 王雪松,张依阳,程玉虎.  电子学报. 2009(06)

硕士论文
[1]基于视频的车流量检测技术研究[D]. 吴志伟.华南理工大学 2012
[2]基于高斯过程的在线建模问题研究[D]. 申倩倩.华南理工大学 2011
[3]基于视频虚拟线圈的交通流参数检测[D]. 尹朝征.清华大学 2002



本文编号：3292479