基于Bayes网络的感知组织计算模型研究

为探索复杂背景下机器视觉的计算理论，本课题以Bayes网络理论为基本工具，在感知组织理论中引入知识工程，研究并提出一种可以有效处理不确定性信息和知识的感知组织计算模型。为此，我们首先使用面向对象的方法推广Bayes网络模型，建立一个名为对象概率模型的新的概率图模型，以有效降低Bayes网络在知识表示、推理、学习等方面的计算复杂度。然后在此基础上，将Bayes网络的扩展模型(对象概率模型)与感知组织理论相结合，创建一种基于对象概率模型的感知组织计算模型，用Bayes网络的知识处理能力实现感知组织的知识表示、推理和学习。最后，将所建立的计算模型用于快速检测、定位和识别图像中车辆、道路、行人等交通目标，用所研制的感知组织计算模型的知识推理来解决交通场景智能视觉监控应用中的目标遮挡难题，由此验证所建立计算模型的有效性和鲁棒性。