1樓：耳東陳
這個應該是計算機視覺而不是模式識別。這個問題可以分為兩個層次，第一是靜態背景還是動態背景，第二是定性的運動目標檢測，即只要運動就檢測，還是定量的運動檢測，即只有具有某種特殊運動模式的運動目標才會被檢測出來。
常規的計算機視覺運動檢測方法有背景差，幀間差和光流法三種。如果背景是動態的話，這三種都不好用，需要對背景運動進行分析，如果是攝像機運動引起的背景相對運動，可以用塊匹配或攝像機運動估計的方法加以去除，如果是背景本身的運動，比如浮動的雲，被風吹過的草地等等，則需要對背景運動的模式進行識別，這就要引入模式識別的概念了，就是把不同的運動狀態看作模式的體現，進行分類與識別。當然還有一種比較簡單的去除背景自身運動的方法，就是在普通的背景差或幀間差的基礎上，進行影象形態學處理，根據運動區域的大小和形狀，去除面積過小，形狀或位置特殊的區域。
不過這種方法不是自適應的，也不是學習的，是要演算法設計者通過人際互動的方式定製引數或選擇。
Let s Dance 遊戲中的 模式識別
zhanyd 計算機中的加減乘除都是通過加法實現的，那麼你肯定很好奇，加法和減法是完全不同的操作啊，如何用加法來進行減法運算呢？下面我就通過幾個例子，來解釋一下具體的操作過程。開始之前，我們先複習一下最簡單的二進位制的加法是如何運算的 二進位制是逢二進一，1001 1101 10110 最高位直接進...
模式識別中從Kernel方法的本質來看，是否真的有效？
伏帝魔 樓主說的問題是有人在研究的。也就是說模式識別不是簡單的用用別人的工具包，跑跑公開的例子。正式回答問題 第乙個問題，核方法的理論基礎是RKHS Reproducing Kernel Hilbert Space 上的表示定理，也就是說在該空間上的任意函式都是可以由有限內積表示的，也就是說，表示定...
模式識別 機器學習 神經網路 泛函分析？ 的學習順序
黃山北 首先要明確自身已有的知識儲備和學習目標。可以說神經網路是範圍最小的分類，與機器學習有關，但常規的機器學習教程中並不會講的很詳細，不要奢望從機器學習的教程中精通深度學習。一本花書基本滿足學習需求，不要同前兩個內容聯絡。其實最高票已經說得很完備了，但我只想補充一點如果時間充裕，列出時間表，按你最...
自動化專業學生，將來學習模式識別方向，前景怎麼樣
超越 上研究生之前，可以預先學一些基礎的模式識別演算法，例如1 k近鄰 k近鄰可能是最簡單的模式識別方法。k近鄰2 多層感知機 多層感知機可能是最簡單的人工神經網路。多層感知機 3 卷積神經網路 卷積神經網路尤其適合影象識別的任務。卷積神經網路 4 殘差網路 殘差網路有一些跨層連線，使其訓練難度降低...
控制理論與控制工程 和 模式識別與智慧型系統 分別是做什麼的？
標準型 就業當然是模式識別好，如果你能成為一名合格的演算法工程師，那麼年薪幾十萬都是少的。但是問題在於，很多學校現在模式識別是作為學碩招生的，而且推免生幾乎佔滿了所有名額，你確定憑藉你的實力可以技壓群雄殺進去？如果不成，那麼你還是讀你本科的專業，電力系統也有搞演算法的，實在不行你可以出來自己學，拿個...