基于Dirichlet过程混合模型的指节偏移测度特征学习

针对人机协调装配光强相对稳定的室内环境,为获取指节图像特征,丰富手部位姿信息,提出基于无穷Dirichlet过程混合模型的指节识别方法。在局部Markov假设的基础上,将条件随机测度的学习问题转化为随机聚类学习问题;运用无穷Dirichlet过程混合模型描述概率密度,将聚类数量表述为随机态;利用Gibbs采样方法,对分层概率形式的密度结构进行迭代学习;给出了基于Dirichlet过程混合模型的坍塌Gibbs采样算法,运用样本集进行了模型训练学习。最后,采用固定阈值对手部图像指节进行识别,验证了所提方法的有效性。