淺談概率論、數(shù)理統(tǒng)計在計算機視覺中的應用

摘要：計算機視覺系統(tǒng)作為新興的學科不斷的嶄露頭角，利用數(shù)學的基礎知識對數(shù)據(jù)的內(nèi)容進行分析有著很好的使用價值。在本文中，詳細的介紹了概率論和數(shù)理統(tǒng)計與計算機視覺相互融合的可能性，并以實際的案例對數(shù)理統(tǒng)計方式進行介紹，根據(jù)人臉識別、無人駕駛和計算機目標定位的研究，深入探究計算機視覺在使用中的不足和未來發(fā)展方向，為概率論、數(shù)理統(tǒng)計在計算機視覺中應用提供理論基礎，同時不斷的強化數(shù)據(jù)的分析能力，也為強化數(shù)據(jù)的使用效能打下良好的基礎。

關鍵詞：概率論;數(shù)理統(tǒng)計;計算機視覺;模塊分析;人臉識別;無人駕駛

計算機發(fā)展過程中，因其獨特的研究方式，在研究中不同的領域有不同的研究內(nèi)容，近些年，對于計算機視覺的分析逐漸凸顯，在計算機研究中有著重要的意義。利用不同圖片和外來數(shù)據(jù)的分析，在不同場景中進行數(shù)據(jù)處理的方式，目前在工藝甚至軍用行業(yè)中得到了廣泛的利用，最為熟悉的就是人臉識別技術，在基于神經(jīng)學和數(shù)據(jù)的基礎知識中，衍生出不同的研究模式。在概率論等分析的方法下，使得計算機的研究方式更加多元，計算機視覺的研究也成為一門交叉學科，對工業(yè)技術的發(fā)展起到?jīng)Q定性的作用。下面就概率論、數(shù)理統(tǒng)計在計算機視覺中內(nèi)容進行詳細的介紹。

一、概率論、數(shù)理統(tǒng)計與計算機視覺關聯(lián)性分析

計算機視覺分析與概率論、數(shù)理統(tǒng)計分析的原理首先都是圍繞大批量看似沒有規(guī)律實則有必然聯(lián)系的數(shù)據(jù)中開展的，兩者存在的內(nèi)在聯(lián)系就是在數(shù)據(jù)當中產(chǎn)生，內(nèi)在聯(lián)系也是根據(jù)數(shù)據(jù)之間的關系相互交織?？梢院苊鞔_的說，數(shù)據(jù)是兩者之間存在的實際價值，兩者之間在研究的本質上就具有高度的一致性。同時，在研究的目的上也存在相同的范疇，計算機視覺分析與概率論、數(shù)理統(tǒng)計是將繁雜的數(shù)值進行系統(tǒng)的劃分，所謂系統(tǒng)的劃分是根據(jù)不同的使用領域進行有針對性的區(qū)別，在不同類別中進行需要的計算，這就帶來了不同數(shù)據(jù)分析的組合形式。在采集和整理數(shù)據(jù)中，不斷的發(fā)現(xiàn)數(shù)字之間存在的規(guī)律，找到事物發(fā)展的必然規(guī)律，也是為了掌握未來發(fā)展進行預測的有效手段。

數(shù)據(jù)的研究作為一門學科在科學中占有一席之地，利用數(shù)學解析的方式進行有效的研究，其中概括的來說就是通過數(shù)據(jù)的鑰匙打開一個科學研究的大門，利用數(shù)據(jù)和科學相互連接，相互促進，把原本單一的數(shù)據(jù)進行整合，形成數(shù)據(jù)集合。目前，數(shù)據(jù)的分析方法主要集中在計算機視覺當中，也是一提到人臉識別就成為大家耳熟能詳?shù)募夹g，由于人們的關注，研究者的意向，以及計算機視覺分析的實用性，讓計算機視覺分析在科學以及自然等學科當中占有很大的份額，利用數(shù)據(jù)分析得到的結論呈現(xiàn)井噴的情況，而且尤其是計算機當中，大量的數(shù)據(jù)（圖片）需要細致的分析，實用的計算機視覺正好提供了這樣的機會。在現(xiàn)有的學科分析中，以計算機視覺分析為主導的分析模式已經(jīng)成為新興學科模式，是在計算機學科建設和實驗理論分析之上形成的新型研究方式。

研究計算機視覺分析的同時當然也不能忽略概率論、數(shù)理統(tǒng)計的研究方式，在沒有計算機普及的年代，數(shù)理分析的模式還是占有主流地位，當時概率論、數(shù)理統(tǒng)計分析被稱為數(shù)據(jù)分析的藝術，是將數(shù)據(jù)科學分類，得到最優(yōu)化答案和解析的手段，也是眾多學科的基礎學科，在各個領域占有很重要的地位。在以往，由于技術手段的單一，科學學科使用的局限性，數(shù)據(jù)資源獲取的方式單一，而且獲得的數(shù)據(jù)在使用上還要進行篩選，有的數(shù)據(jù)內(nèi)容涵蓋不全面，數(shù)據(jù)不具有代表性，對于存在樣本分析的基本條件就無法滿足，數(shù)據(jù)的真實性也不高，當然也會出現(xiàn)數(shù)據(jù)的錯誤，數(shù)據(jù)的真實性也會存在一定的問題。這是在已有的數(shù)據(jù)資源下，使用概率論和數(shù)理統(tǒng)計進行分析，通過計算Z=K*（a1;a2;a3;a4....an），其中a是抽取的隨機變量不同的標示代表不同次數(shù)的抽取次數(shù)，反應的是n個不同的隨機變量，將可能出現(xiàn)的問題進行數(shù)值化的排除，將可能性具體細化為公式，可以有效的避免錯誤的發(fā)生，利用概率的情況，降低樣本之間的誤差。在隨機性的分析模式中，以及現(xiàn)代數(shù)學統(tǒng)計的需求都給數(shù)理分析帶來了極大地挑戰(zhàn)，但是概率論、數(shù)理統(tǒng)計和計算機視覺分析在門類上還是一脈相承。

視覺模擬分析的基礎是在計算機視覺分析與概率論、數(shù)理統(tǒng)計中建立起來，研究本質上是對數(shù)值的研究，通過在定量上下功夫，在科學研究中對數(shù)據(jù)的數(shù)量進行控制，在一定標準的范圍能對對象進行量化比較，推斷出其內(nèi)在的規(guī)律。通常情況下，大量數(shù)據(jù)呈現(xiàn)的是一般規(guī)律，利用數(shù)量統(tǒng)計的方式對數(shù)量進行統(tǒng)計，在出現(xiàn)計算機視覺分析模式之后，對數(shù)據(jù)的定義不僅僅是在數(shù)量上，還在質的方式有所變化，而計算機視覺分析的方式也出現(xiàn)了新的改變，思路更加多元，方式也不再單一。

二、概率論、數(shù)理統(tǒng)計與計算機視覺應用分析

在計算機視覺分析中，數(shù)據(jù)的使用直觀的以表格和圖像的方式顯示，在結構化的數(shù)據(jù)中利用模型之間的相互轉換，形成整體的數(shù)據(jù)分析流程，在計算機視覺以外，概率論、數(shù)理統(tǒng)計的方法同樣是將數(shù)值進行量化分析，在不規(guī)律的數(shù)據(jù)之間進行分類，所以在研究的角度上，計算機視覺和概率論、數(shù)理統(tǒng)計相同，由數(shù)量最終來確定性質，以求在繁雜的數(shù)據(jù)中得到較為直觀的數(shù)據(jù)模型，模型不斷的演變，形成優(yōu)化的改進方案，再次帶入數(shù)據(jù)后，對模型進行驗證，從而得到最優(yōu)的數(shù)據(jù)解析。

計算機視覺的系統(tǒng)當中，主要是在數(shù)據(jù)和圖像中采集數(shù)據(jù)，并對圖像進行處理，根據(jù)分析的結果形成處理分析輸出，在不同的處理層中，數(shù)據(jù)的使用存在不同的方式，根據(jù)數(shù)據(jù)的描述方式，形成的內(nèi)容也不相同。

計算機視覺是在多元的數(shù)據(jù)集合中產(chǎn)生，也是根據(jù)網(wǎng)絡發(fā)展的情況不斷的演變，運用云計算和物聯(lián)網(wǎng)的媒介進行傳播，在網(wǎng)絡的平臺中，對數(shù)據(jù)進行規(guī)律的整合，在特定的算法中，將數(shù)據(jù)形成數(shù)據(jù)流的形式，再以算法的形式展示出來，這些都是基于計算機的平臺，因此，在計算機視覺分析中，研究的路徑主要是計算機的研究方向。在數(shù)據(jù)層中，如圖所示，在數(shù)據(jù)對象中根據(jù)像素的不同對圖像進行網(wǎng)絡處理，在媒介的操作下，將數(shù)據(jù)進行采集、傳送、壓縮、復制等方法，在對像素有要求的前提下，根據(jù)圖片的圖層進行降噪處理，高保真的調(diào)節(jié)下使用圖像的變更，并在明顯的構造處進行數(shù)據(jù)的描述。同時根據(jù)概率中富利埃變化曲線，對數(shù)據(jù)中的濾波進行處理，將波峰和波谷的噪點進行刪除，保證圖像的穩(wěn)定性。其次在目標數(shù)據(jù)中根據(jù)整體性和局部性的變化方式，將圖像的清晰度進行調(diào)整，擴大數(shù)據(jù)之間的區(qū)間，抑制不需要像素的影響，將圖像的質量控制在一定的范圍內(nèi)。通常情況下，數(shù)據(jù)處理層級中，多層級特征辨識，在擴大特征的同時視覺圖像的質量能夠控制，利用數(shù)理分析的方式，將圖片進行改良，強化了圖片的可識別程度，達到數(shù)據(jù)收集分析的效果。在圖像的主要部分，根據(jù)頻率的不同，進行編制解碼，并在無損的條件下，將數(shù)據(jù)資源在256k字節(jié)的模塊中進行快速傳輸，并根據(jù)壓縮要求，對數(shù)據(jù)進行存儲。對于視覺理論的計算中由于算法的不同，會在數(shù)據(jù)中出現(xiàn)鏈條式的模式情況，不同的數(shù)據(jù)庫形成的鏈條不同，而對概率分類匯總分析的數(shù)據(jù)鏈條形成風險防控體系。數(shù)據(jù)鏈管理是視覺智能交互質量的助推劑，只有在數(shù)據(jù)鏈中強化對交互質量的要求，就能直接促進計算機視覺管理的成效。在概率論與概率論、數(shù)理統(tǒng)計中，通過對視覺模式鏈條的數(shù)據(jù)管控分析，最為優(yōu)化的計算出視覺產(chǎn)品的樣式、規(guī)模和上下游數(shù)據(jù)鏈直接的配合數(shù)據(jù)比，在模擬保障方面加大對視覺質量的維護，利用像素處理的方式對數(shù)據(jù)進行完善調(diào)整，通過數(shù)據(jù)分析的方式降低系統(tǒng)化錯誤的概率。

首先在過程當中進行整體的把控。在數(shù)據(jù)收集中，尤其是在視覺生產(chǎn)的過程中，對成品進行隨機抽樣，在大的樣本中進行小范圍有代表性的抽樣分析。利用數(shù)理分析和特征矩陣，對視覺產(chǎn)品的質量進行檢測，這是完成視覺數(shù)據(jù)鏈的最初環(huán)節(jié)，對圖像輸出方式和數(shù)量進行數(shù)據(jù)的統(tǒng)計分析，數(shù)據(jù)的保證可以計算出最為合理的輸出詳述，避免在轉換過程中出現(xiàn)產(chǎn)品運算錯誤的情況發(fā)生。同時還能將過程中出現(xiàn)的問題進行調(diào)整，納入考核指標當中，及時對錯誤進行跟蹤修正。在視覺模擬過程中，接受方對產(chǎn)品的可視化程度驗收可以通過數(shù)據(jù)分析的方式進行控制，利用概率的方式對產(chǎn)品進行抽檢，小范圍的抽檢可以代表批次產(chǎn)品的質量，直接反應產(chǎn)品整個過程的質量，而且抽檢中使用的概率論和數(shù)理統(tǒng)計分析對于數(shù)據(jù)鏈條的完整也是有一定的幫助作用。

三、計算機視覺的應用場景分析

基于視覺的自主導航定位系統(tǒng)的機器人導航技術是智能機器人領域的一項關鍵技術，同時也是智能機器人的一個重要的研究熱點。根據(jù)工作環(huán)境的不同，可以制定移動機器人導航定位系統(tǒng)的不同方法，比如采用雙目立體視覺系統(tǒng)以及三角測量的原理來測量機器人在場景中移動的位置情況，因此在視覺導航和機器人定位等方面取得了很大的進步。而且在工業(yè)領域應用中，移動機器人導航技術也已得到了廣泛的應用。立體視覺系統(tǒng)的視差功能可實現(xiàn)對目標的三維定位，因此可以采用簡單的固定式的雙目立體視覺系統(tǒng)。機器人導航技術有多種，如基于地圖的機器人導航、基于光流的機器人導航、基于地貌的機器人導航等?；陬A定義的地圖導航，分為絕對定位和增量定位。首先，通過在攝像機采集圖像中獲取圖像中的不同特征，對這些特征建立相關聯(lián)關系。

基于地貌的機器人導航是室外環(huán)境導航大多數(shù)采用基于地貌的機器人導航，定位的形式在不同的數(shù)據(jù)中形式有著不同的表現(xiàn)類型，這類導航技術的核心問題為關于數(shù)字圖像的模式識別，具體地說就是物體紋理、顏色的識別問題。利用數(shù)學分析的方式對相關人工無法完成的事情進行處理，但由于環(huán)境色以及光照的影響，在不同的環(huán)境下，物體具有相同本質色能呈現(xiàn)出來的完全不同的顏色。由于地貌導航很難預知先驗知識，而只能實時處理視野中的對象，無法建立一幅關于周圍環(huán)境的完整地圖。無人駕駛系統(tǒng)應優(yōu)先采用基于通信的移動閉塞系統(tǒng)， 在保證列車運行安全的前提下，能夠縮短追蹤間隔， 實現(xiàn)列車的精確定位和實時跟蹤。同時信號系統(tǒng)應提供特有的“超低速運行模式”。有了定位，目的是為無人駕駛做準備。無人駕駛系統(tǒng)的環(huán)境感知部分通常需要獲取周圍環(huán)境的大量信息，具體來說包括：障礙物的位置，速度以及可能的行為，可行駛的區(qū)域，交通規(guī)則等等。無人車通常是通過融合激光雷達（Lidar），相機，毫米波雷達（Millimeter Wave Radar）等多種傳感器的數(shù)據(jù)來獲取這些信息，基于區(qū)域的方法，這類方法使用區(qū)域特征對鄰近點進行聚類，聚類的依據(jù)是使用一些指定的標準（如歐幾里得距離，表面法線等），這類方法通常是先在點云中選取若干種子點，然后使用指定的標準從這些種子點出發(fā)對鄰近點進行聚類;無人車和機器人的定位方法眾多，目前主流的方法一是使用GPS慣性導航系統(tǒng)融合的方法，二是基于Lidar點云掃描匹配的方法。

四、結束語

在計算機視覺的應用當中，作為組成像的動態(tài)場景，利用建立模型的方法對運動情況進行分析，動態(tài)的模式也根據(jù)概率的不同進行變化?；跀?shù)據(jù)的變化性，數(shù)據(jù)的捕捉顯得尤為重要，并根據(jù)不同的計算模式進行數(shù)理分析，在以往的數(shù)據(jù)模擬中，根據(jù)成像技術的限制，像素遮擋的情況較為明顯，無法在精度上滿足計算的要求，在未來的研究中，提高數(shù)據(jù)的可采納度是最為重要的研究方向。雖然計算機視覺技術在近些年才剛剛起步，但是運用的范圍極廣，有著很大的應用前景，尤其是在智能領域，對于人臉識別的使用已經(jīng)運用在現(xiàn)實的生活當中，如何使用數(shù)據(jù)的使用效率，提高標準的同時也要降低研究中成本，將計算機視覺與概率論和數(shù)理統(tǒng)計充分的結合，形成智能化的分析體系，促進學科的更好更快發(fā)展。

參考文獻

[1]FAUGE AS O，LONG Q.The geometry of multiple images[M]. Cambridge，MA，USA： M IT Press，2001： 50-70.

[2]HArTLEY r，ZISSE MAN A.Multiple view geometry in computer vision second edition[M].Cambridge，UK： Cambridge University Press，2003：40-110.

[3]馮斌.計算機視覺信息處理方法與水果分級檢測技術研究[D].中國農(nóng)業(yè)大學，2002

[4]岳曉峰.計算機視覺技術及其在工業(yè)中應用的研究[D].吉林大學，2006

[5]趙曉霞.計算機視覺技術在農(nóng)業(yè)中的應用[J].科技情報開發(fā)與經(jīng)濟，2004（4）：124-126

[6]馬玉真，陶立英，王新華.計算機視覺技術的應用[J].試驗技術與試驗機，2006（1）：60-65.

作者簡介：郭玲盼（1992.01-），女，河北省冀州人，本科，主要研究方向：概率論與數(shù)理統(tǒng)計-大數(shù)據(jù)方向。