在前面的章节中，我们重点研究了智能光电感知的一些基础内容，包括：如何生成图像，如何进行图像处理，如何从图像中获取描述信息，如何对描述信息进行智能处理（例如自动分类）。很多时候，感知的过程是持续进行的：我们不断地生成图像（感），进而，对每一帧图像都输出一个（关于图中各个物体的）描述信息（知）。于是，我们最终得到的是：一个由时序的“描述信息”所组成的时间序列，我们可以将其称为时序描述集。
图14.1中给出了一个具体的例子。视频中总共出现了3只动物，为了简单，每只动物只定义了两种状态：“走”和“跑”。为了便于显示，我们将第一只动物的“走”和“跑”分别记为1和2，第二只动物的“走”和“跑”分别记为3和4，第三只动物的“走”和“跑”分别记为5和6。于是，整个视频（包含256帧图像）就被转化为了：图14.1(g)中的三条曲线，我们将其称为时序状态图。(www.xing528.com)
当我们观看这段视频时，脑海中会浮现出很多问题：动物的精神状态如何？相互之间的关系如何？例如，在图14.1(d)和14.1(e)中，两只动物之间有眼神交互，很可能是朋友。我们希望能够依据图14.1(g)中的三条曲线，来对动物做行为分析，从而智能地回答上述问题。
需要指出的是：视觉感知的结果并不是完全准确的，例如，在图14.1(e)中，两只动物在奔跑，但是，却被识别为一只动物在行走，此外，图14.1(a)和14.1(f)中都出现了漏检，图14.1(f)还将奔跑识别成了行走。因此，图14.1(g)中的三条曲线并不是完全准确的，而是一个包含随机误差的时序过程。为了进行分析，我们首先需要学习概率论和随机过程中的相关理论和方法，这构成了本章的核心内容。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
