The invention provides a Gauss process regression method with feature selection performance, which solves the problem that the feature input dimension is too high and the feature redundancy is solved when the visual mapping problem is solved by using the Gauss process regression. Firstly, assuming Laplasse prior distribution parameters associated with the feature weight distribution parameters meet; then the maximum posteriori probability estimation method to estimate the parameters, so that the weight and the characteristics related to existing sparsity, i.e. feature selectivity; after by solving the sparse problem of regression parameters. When the new samples are visually estimated, the sparse regression parameters are selected to obtain the estimated target values. The method is simple, effective and has good performance.
【技术实现步骤摘要】
本专利技术属于计算机视觉
,涉及视觉映射技术,主要应用于头部姿态估计,视线跟踪和年龄估计等视觉估计问题中。
技术介绍
在计算机视觉中,视觉映射是指学习输入图像特征与输出变量之间映射函数的过程,以便在输入新图像时,估计该输入图像对应的目标输出值。具体来讲,视觉映射包括:人体姿态估计、头部姿态估计、视线估计和物体跟踪等。详见参考文献:O.Williams,A.Blake,andR.Cipolla,SparseandSemi-SupervisedVisualMappingwiththeS3GP,inIEEEConferenceComputeronComputerVisionandPatternRecognition,pp.230-237,2006.作为计算机视觉的一个重要分支,视觉映射改变了许多场合下由人逐一根据图像内容估计目标输出的情况。取而代之,由计算机根据输入图像内容,通过已有视觉映射函数预测输出,从而实现由摄像机和电脑代替人眼和大脑对图像进行全自动分析和估计。目前,该技术已开始被应用于与人们生活密切相关的多个产业。其中,头部姿态估计被应用于汽车安全驾驶产业,视线估计和人体姿态估计被应用于智能人机接口及游戏产业,物体跟踪被应用于智能交通等产业,人体姿态估计被应用于人机交互领域。相信随着计算机硬件处理能力的不断提高和视觉映射中关键技术问题的逐步解决,其应用前景将更加广阔。视觉映射问题实质是一个非线性映射拟合问题,解决该问题高斯过程回归模型被证实为一种有效的方法。它无需假设视觉特征和目标值之间满足某种具体的映射函数关系,而只是假设目标值的分布与输入特征 ...
【技术保护点】
一种针对视觉映射的稀疏高斯过程回归方法,该方法包括:步骤1:采集针对某视觉映射问题的N幅图像,同时记录目标值tn,下标n表示第n幅图像对应的姿态。步骤2:对采集的图像进行彩色图像转灰度图像的处理,若采集图像已经为灰度图像则无需在进行转化处理;步骤3:将输入图像归一化为固定大小的图像,对每一幅输入图像提取梯度方向直方图特征;步骤4:将所有的N幅图像对应的梯度方向直方图特征向量在列方向上,按顺序排列可以得到输入数据矩阵X,即X=[x1,x2,...,xN];步骤5:将N幅图像对应的目标值按顺序排列为目标值向量t;步骤6:假设视觉特征与其对应的目标值之间存在以下高斯过程回归关系:tn=y(xn)+εn,εn~N(0,σ2)xn和tn为第n个样本对应的视觉特征和目标值,y(xn)是回归函数,εn为随机噪声变量,服从均值为0方差为σ2的高斯分布;步骤7:假设步骤6中的回归函数输出值满足高斯过程先验,即:其中为输入图像视觉特征集合,D表示输入图像特征的维数,N为图像的总个数,为零向量,K为大小N×N的协方差矩阵,其第m行n列的元素k(xn,xm)表示回归函数在xn和xm处,即y(xn)和y(xm) ...
【技术特征摘要】
1.一种针对视觉映射的稀疏高斯过程回归方法,该方法包括:步骤1:采集针对某视觉映射问题的N幅图像,同时记录目标值tn,下标n表示第n幅图像对应的姿态。步骤2:对采集的图像进行彩色图像转灰度图像的处理,若采集图像已经为灰度图像则无需在进行转化处理;步骤3:将输入图像归一化为固定大小的图像,对每一幅输入图像提取梯度方向直方图特征;步骤4:将所有的N幅图像对应的梯度方向直方图特征向量在列方向上,按顺序排列可以得到输入数据矩阵X,即X=[x1,x2,...,xN];步骤5:将N幅图像对应的目标值按顺序排列为目标值向量t;步骤6:假设视觉特征与其对应的目标值之...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。