模式识别

使用模式识别进行对象检测、分类和计算机视觉分割

模式识别是基于主要特征将输入数据划分为对象或类的过程。模式识别的分类方法有两种:受监督分类和不受监督分类。

模式识别可应用于计算机视觉、雷达处理、语音识别和文本分类。

受监督分类

在模式识别方法中,输入数据的受监督分类使用受监督学习算法,它是基于不同对象类的培训数据来创建分类器。然后分类器接受输入数据并分配相应的对象或类标签。

在计算机视觉中,受监督模式识别技术用于光学字符识别 (OCR)、人脸检测、人脸识别、对象检测和对象分类。

使用级联分类器进行人脸检测(左)和停标志检测(右)。有关详细信息,请参阅 示例教程
使用支持向量机 (SVM) 和 HOG 特征提取检测人员。有关详细信息,请参阅 文档

不受监督分类

不受监督分类方法的工作原理是使用分割或聚类分析技术寻找未标记的数据中的隐藏结构。常用的不受监督分类方法包括:

在图像处理和计算机视觉中,不受监督模式识别技术用于对象检测和图像分割。

使用高斯混合模型,将图像像素分成前景(白色像素)和背景(黑色像素)以检测移动对象。有关详细信息,请参阅 示例
使用 K 均值聚类分析法进行基于颜色的 图像分割

有关详细信息,请参阅 Computer Vision System ToolboxImage Processing ToolboxStatistics and Machine Learning Toolbox,这些工具都可与 MATLAB 一起使用。

另请参阅: 对象检测, 对象识别, 图像识别, 人脸识别, 特征提取, 对象跟踪, 图像分割, 机器学习, 模式识别视频