基于Laplace逼近Gaussian过程的指节图像中层偏移测度特征学习

在人机协调装配中,为了准确描述手部位姿,需要精确的指节图像特征提取与识别.为了丰富手部信息,提出了基于Laplace逼近Gaussian过程的多分类算法,以实现基于手部图像的指节识别.在类别信息无关联的假设基础上,将中层偏移测度特征的学习转化为对随机量的学习;然后通过分析二值多分类高斯场上的后验计算,给出了基于Laplace逼近Gaussian过程的多分类高斯过程学习算法;通过构造中层随机信息的正定核函数,给出了基于Laplace的多分类高斯过程预测算法.最后,利用中层数据的分布学习与预测算法进行了指节图像训练学习和固定阈值的图像识别.识别结果显示,该方法具有一定的指节识别能力.