[發(fā)明專利]一種基于偏好統(tǒng)計(jì)的數(shù)據(jù)表征的模型擬合方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910018055.8
• 申請(qǐng)日: 2019-01-09
• 公開（公告）號(hào): CN109871867A
• 公開（公告）日: 2019-06-11
• 發(fā)明（設(shè)計(jì)）人: 王菡子;郭翰林;肖國(guó)寶;嚴(yán)嚴(yán)
• 申請(qǐng)（專利權(quán)）人: 廈門大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F17/16
• 代理公司: 廈門南強(qiáng)之路專利事務(wù)所(普通合伙) 35200
• 代理人: 馬應(yīng)森

一種基于偏好統(tǒng)計(jì)的數(shù)據(jù)表征的模型擬合方法，涉及計(jì)算機(jī)視覺技術(shù)。準(zhǔn)備數(shù)據(jù)集；針對(duì)每個(gè)點(diǎn)x_i，計(jì)算該點(diǎn)到M個(gè)模型假設(shè)的絕對(duì)殘差；J?Linkage的一致統(tǒng)計(jì)分析本質(zhì)是統(tǒng)計(jì)所有的殘差值中小于固定閾值的殘差；基于非參的核密度估計(jì)技術(shù)，獲得個(gè)有意義的模型假設(shè)得到一個(gè)修剪的偏好統(tǒng)計(jì)矩陣分析矩陣中每一行的信息內(nèi)容，然后將內(nèi)點(diǎn)從離群點(diǎn)區(qū)分出來；根據(jù)保留下來的內(nèi)點(diǎn)，分割數(shù)據(jù)到不同的數(shù)據(jù)結(jié)構(gòu)里，提出一種新型的基于自適應(yīng)聚類的模型選取算法。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)，尤其是涉及一種基于偏好統(tǒng)計(jì)的數(shù)據(jù)表征的模型擬合方法。

背景技術(shù)

視覺是人類從大自然中獲取信息的最主要的手段之一。人類感知外界信息很大一部分是通過視覺得到，其它的由味覺，聽覺等得到。由此可見視覺信息的重要性。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，人們不僅希望計(jì)算機(jī)能夠獲取得圖像信息，也希望計(jì)算機(jī)具有人類視覺的感知功能，使其高效地處理圖像信息，因此計(jì)算機(jī)視覺這門新興的綜合學(xué)科得到廣泛關(guān)注。在過去的十幾年里計(jì)算機(jī)視覺取得了蓬勃的發(fā)展，并出現(xiàn)了大量的基于計(jì)算機(jī)視覺的產(chǎn)品。例如：具有人臉自動(dòng)檢測(cè)和全景拍攝功能的數(shù)碼相機(jī)，具有美顏功能的手機(jī)、汽車的智能泊車功能、汽車無人駕駛等。

對(duì)計(jì)算機(jī)視覺而言的一項(xiàng)重要任務(wù)是，如何讓計(jì)算機(jī)從圖像中獲取人類所需要的信息。在大部分情況下，這些信息可以用參數(shù)模型來表示。所需要的這些參數(shù)模型可以通過，模型擬合方法從輸入的數(shù)據(jù)中計(jì)算得到。因此，在很多計(jì)算機(jī)視覺的任務(wù)中，模型擬合具有重要的作用。

在過去的幾十年里，大量的模型擬合方法已經(jīng)被提出來。隨機(jī)抽樣一致的方法RANSAC，由于其簡(jiǎn)單和高效而被廣泛地應(yīng)用，但是該方法初始的設(shè)計(jì)，只能處理單一結(jié)構(gòu)的數(shù)據(jù)。為處理多結(jié)構(gòu)數(shù)據(jù)，許多方法(例如J-Linage，RansaCov)已經(jīng)被提出來，并且提高了擬合的性能。然而，這些方法的擬合精度對(duì)于內(nèi)點(diǎn)噪聲尺度非常地敏感。因此，取代類似于RANSAC 采用基于一致統(tǒng)計(jì)分析的方法，RHA提出了偏好分析的方法。例如，J-Linage提出采用二值偏好的方式來表征數(shù)據(jù)點(diǎn)，其中二值偏好是通過一系列獲選模型的一致分析獲取的。為了更加精確地描述點(diǎn)的偏好，T-Linkage和RPA將二值偏好松弛為連續(xù)偏好來表征數(shù)據(jù)點(diǎn)。并且 T-Linkage和RPA分別利用一個(gè)連續(xù)的指數(shù)核函數(shù)和一個(gè)連續(xù)的魯棒柯西函數(shù)來表征連續(xù)的偏好分析。另外，KF提出根據(jù)點(diǎn)到生成的模型假設(shè)的升序的殘差安排來表征每個(gè)數(shù)據(jù)點(diǎn)。基于偏好分析的數(shù)據(jù)表征的模型擬合方法，在更加充分的描述數(shù)據(jù)點(diǎn)時(shí)發(fā)揮了很大的優(yōu)勢(shì)。然后這些擬合方法運(yùn)用了偏好信息，他們?nèi)鄙倭艘恢滦畔ⅲ@可能導(dǎo)致不好的擬合結(jié)果。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種基于偏好統(tǒng)計(jì)的數(shù)據(jù)表征的模型擬合方法。

本發(fā)明包括以下步驟：

1)準(zhǔn)備數(shù)據(jù)集；

在步驟1)中，所述準(zhǔn)備數(shù)據(jù)集的具體方法可為：輸入N個(gè)數(shù)據(jù)點(diǎn)X＝{x_i}_i＝1,...,N，從輸入的數(shù)據(jù)點(diǎn)中采樣M個(gè)最小子集生成模型假設(shè)H＝{h_j}_j＝1,...,M，其中一個(gè)最小子集是估計(jì)一個(gè)模型所需要的最小子集，當(dāng)生成一條直線需要兩個(gè)點(diǎn)時(shí)，估計(jì)一個(gè)基礎(chǔ)矩陣需要7個(gè)點(diǎn)或者8 個(gè)點(diǎn)。

2)針對(duì)每個(gè)點(diǎn)x_i，計(jì)算該點(diǎn)到M個(gè)模型假設(shè)的絕對(duì)殘差(可用sampson距離度量)；