物體識別

當時MIT的計算機老師組織了一個面向本科生的兩個月的Summer Project。這個Project的目的是設計一個系統，能夠智能識別場景里頭的物體，并區分出類別。當時他們低估了這個問題的難度，結果可想而知。

原因是我們看到的這個物體的樣子，只是它在某種背景下某一種光線條件下特定角度的投影的，換一個角度可能就是完全不同的樣子。即使是同一個物體，例如人，躺著或者站著，形態都是不一樣的。

物體識別的主要方法

基于統計的方法與基于物體部件的方法：

根據識別方法是否對局部特征之間的關系建模，可以把識別方法分為基于統計的方法與基于物體部件的方法。

1、基于統計的物體分類方法（BoW：Bag of Words）

BoW模型嚴格上講并不是一種物體識別方法，而是一種物體分類方法。這種模型的靈感來自于NLP中的BoW模型。。一幅圖像可以看作是一篇“文檔”，而圖像中提取出的特征認為是“詞語”。

1）生成性方法的學習與識別

生成性的學習方法通過先驗知識去擬合并解釋圖像中的信號。在中，有兩種主要的生成性方法，一種是NB（樸素貝葉斯），另外一種是pLSA（概率潛語義分析）與LDA（線性判別分析）。

物體識別桌的特點

1、科技感強

識別桌利用捉捕設備以及計算機系統實現交互式體驗，還可以支持多人參與，并且不需要借助輔助設備，展覽展示現場參觀者即可體驗科技的趣味性。

2、畫面清晰亮麗

識別桌桌面顯示內容非常清晰，并且還有多種背景音樂，大大提升了游戲的質量，渲染了氛圍。

3、內容種類多

物體識別桌桌面互動可以是查詢內容，也可以做成游戲內容，這些內容摩拓為都可以根據客戶的需求定制。

4、廣告宣傳功能

在數字展館展廳內物體識別桌可以做查詢系統使用，在娛樂場所可以做游戲使用，在使用過程中其實也是對品牌的一種宣傳。