智能视频分析结课论文精要.doc

中国传媒大学 2014~2015 学年第 1 学期 智能视频分析技术 课程 题 目 人工智能和模式识别的结合运用 学生姓名 刘晶晶 学 号 201110013208 班 级 数字媒体技术 学生所属学院 信息工程学院 任课教师 吕朝辉 教师所属学院 信息工程学院 时 间 2014.11.27  人工智能和模式识别的结合应用 摘　　要 计算机硬件的迅速发展，计算机应用领域的不断开拓，迫切地要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说，目前一般计算机却无法直接感知它们，键盘、鼠标等外部设备，对于这样五花八门的外部世界显得无能为力。纵然电视摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换，并与计算机联机，但由于识别技术不高，而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下，成为开拓计算机应用的瓶颈，也与其高超的运算能力形成强烈的对比。于是，着眼于拓宽计算机的应用领域，提高其感知外部信息能力的学科——模式识别，便得到迅速发展。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟，研究的是计算机模式识别系统，也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。 关键词：人工智能、模式识别、应用 人工智能 人工智能(Artificial Intelligence)是相对人的自然智能而言，即用人工的方法和技术，模仿、延伸和扩展人的智能，实现某些“机器思维”。作为一门学科，人工智能研究智能行为的计算模型，研制具有感知、推理、学习、联想、决策等思维活动的计算系统，解决需要人类专家才能处理的复杂问题。人工智能就其本质而言，是对人的思维的信息过程的模拟。 模式识别 模式识别是指利用计算机或者其他辅助工具对图形图像、语言文字、自然物体等进行信息统计、特征识别和分类的一门学科。20世纪50年代人工智能技术的兴起,极大的带动了模式识别技术的发展。模式识别技术被广泛应用与人工智能、计算机工程、神经生物学、智能机器人学、医学、高能物理、地质勘探等多个领域的语音识别、图像识别、人脸识别、指纹识别、特征聚类等研究中。模式识别技术应用统计学方法对数据进行分析和处理，进而指导实际应用，对国民经济的发展和科学技术的进步产生了极大的推动作用。这里，我们把环境与客体统称为“模式”，随着计算机技术的发展，人类有可能研究复杂的信息处理过程。用计算机实现模式(文字、声音、人物、物体等)的自动识别，是开发智能机器的一个最关键的突破口，也为人类认识自身智能提供线索。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息(通过视觉器官来获得)和声学信息(通过听觉器官来获得)的识别。这是模式识别的两个重要方面。市场上可见到的代表性产品有光学字符识别系统(Optical character Recognition，OCR)、语音识别系统等。所谓模式识别，可以理解为根据识别对象特征的观察值将其分到某个类别中的过程。利用计算机进行模式识别在20世纪60年代初迅速发展并成为一门新学科。 1.模式识别技术的研究内容和研究方法 模式识别的主要研究内容分为两个方面。一方面是研究生物体感知对象时所使用的主要方法和特征，该研究内容属于认知科学范畴；一方面是按照限定条件，利用现有的模式识别理论和识别方法对给定的目标进行识别和分类，改研究内容属于信息科学研究范畴。本文所述的模式识别研究内容主要指后一类内容。 现有的模式识别研究类型有统计模式识别和结构模式识别两种。其中统计模式识别研究是当前模式识别研究的热点，其使用基于概率论的贝叶斯决策系统对最优分类器进行设计，进而实现对目标的识别；而结构模式识别则是通过模式与子模式分层结构的树状信息进行识别。 统计模式识别研究方法的主要原理为：将相似度超过预定阈值的样本聚类成簇。具体来说，对所要识别的对象的特征观察量进行特征提取，然后将所提取的特征构成特征向量d，总结特征向量d，表明当前研究的问题具有c 个类别，每个类别都有自己的状态w，计算不同模式之间的距离函数，将给定的模式归入到某一类别中实现特征分类和模式识别。 具体的统计模式识别的分类方法有判别函数法、k 紧邻