视频压缩感知

① 什么叫信号稀疏度

就是信号中非零元素的个数，比如一个一维信号X=(0,1,0,1,0,0,0),那么X只有2个非零值1，所以X的稀疏度为2。.实际应用中，视元素大小，将接近于零的值也可看做零。 压缩感知中所用的系数变换如DCT，小波变换等，它们的变换系数都可看作是稀疏的。

② 李文学的科研项目

几类随机混合系统的稳定性及应用，国家自然科学基金（数学天元青年基金） 主持 2012
随机微分方程的稳定性及在网络上的应用，哈工大科研创新基金 主持 2011
随机生物种群模型若干性质的研究，国家自然科学基金（面上项目） 排序3 2012
随机混合系统的动力学行为，国家自然科学基金（面上项目） 排序5 2012
数值方法对泛函微分方程的分支保持性，山东省自然科学基金 排序3 2010
基于压缩感知技术的低数据率高清视频采集系统技术应用，威海市大学共建项目，排序3 2012

③ ESP超感知课程是什么

ESP超感知课程就是ESP卡训练，既对综合心灵感应、透视、预知等能力的感知外知觉进行训练，也就是我们平时所说的直觉、心灵感应、第六感等等。经过研究发现这个能力是人类大脑的普遍机能之一，尤其是右脑的一项重要机能。

通过超感知觉能力游戏的训练，可以让孩子在日常生活中对事物的感悟预知能力提高，直觉灵敏，能提前对一件事情做出预判。一个感知力强的孩子，对周围的危险具有很强的直觉判断分析，下意识地趋利避害，从而通过直觉引导出潜在的记忆并使用。

(3)视频压缩感知扩展阅读：

训练方法：

1、选三张卡片出来，色彩单一颜色鲜艳的，如苹果、西红柿、鸭子等。三张分别出示给宝宝看，然后以背面示众打乱顺序，从中抽取一张，背面示众，让宝宝说出抽出的是哪一张。

2、从几张卡片选一张出来，色彩单一颜色鲜艳的，盯住卡片上的图形看，让孩子闭上眼睛想象妈妈看的是哪张图片，同时妈妈也闭上眼睛努力想象卡片上的图片在心里暗示孩子你的手中拿的是哪一张卡片。然后，让孩子睁开眼，说出他的答案。

3、单独训练，选三张卡片出来，色彩单一颜色鲜艳的，如苹果、西红柿、鸭子等。让学生看三张卡片的内容，问他最喜欢哪一张，然后背面朝上，快速打乱顺序，排好，让孩子选出他最喜欢的那张，可多次打乱顺序让孩子寻找那张卡片。

4、拿出3对卡片，首先把其中的3张卡片背面朝上排列在桌子上，然后让宝宝把手中的3张卡片凭感觉放在对应的卡片上。之后翻开背面朝上的卡片，看孩子是否配对成功。随着准确率的上升，可以增加卡片的数量再来玩。

5、拿出3对卡片，妈妈手持3张，孩子手持对应的3张。妈妈随意抽出一张，背面出示给孩子，并在心理暗示妈妈手里卡片的内容。让孩子从自己的卡片中选出一张，看是否能和妈妈手里的卡片配对。可多次反复玩。

④ 压缩感知是什么

压缩感知，又称压缩采样，压缩传感。它作为一个新的采样理论，它通过开发信号的稀疏特性，在远小于Nyquist 采样率的条件下，用随机采样获取信号的离散样本，然后通过非线性重建算法完美的重建信号。压缩感知理论一经提出，就引起学术界和工业的界的广泛关注。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、大气、地质等领域受到高度关注，并被美国科技评论评为2007年度十大科技进展。
压缩感知理论的核心思想主要包括两点。
第一个是信号的稀疏结构。传统的Shannon 信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。
另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。压缩感知压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。

⑤ 算法工程师大致是做什么的

各个行业都有算法部分，统计有统计的算法，控制有控制的算法，图像处理有图像处理的算法。在很多传统行业，算法不是一个独立的岗位，而是由研发工程师负责。今天小编就带大家来了解下算法工程师大致是做什么的?我们接着往下看。

1. 图像处理，尤其是基于OpenCV的图像处理算法，一般产品里有做美颜，滤镜什么的特别喜欢招这块的小朋友，近一两年有被做深度学习的取代的趋势。最近google出了arcore，所以让不少小公司也能出一些效果很好的换头类应用。
2. 计算机图形学，这也算是一个大类，主要涉及到图形渲染算法，光追算法，三维图像重构等图像绘制方面的内容。这个方向，不光是做3d引擎和游戏开发方面，对于很多行业需要与cad相关的，都会涉及到这一个领域的模型和优化算法设计。
3. VR，AR领域，涉及到的包括视频跟踪，SLAM，raytracing，几何投影等等，实际上是一个综合的领域，目前主要是做计算机视觉的转行做这块。
4. 医学影像处理，三维图像重构，用在B超，CT成像上，这个是医疗方向的。
5. 通信基带信号处理，网络优化算法，这一块其实很式微了，毕竟高大上的算法小公司没成本去实施。
6. 音频滤波，用在HiFi产品，比如车载音响，手机厂商，圈子其实蛮小的。
7. 控制算法，自适应滤波算法，用在机械领域上，比如机械臂行程控制，稳定性。
8. 有限元算法，这块从雷达，机械，电磁学，到服装设计，都有很有价值的应用。
9. 信号处理，比如插值，频谱分析，盲信号分离，压缩感知，物联网大部分应用会涉及这一块。
互联网和软件行业把算法分离成一个独立的岗位大体有两个原因。第一，低级的软件工程师不懂算法，或者更干脆一点说不懂数学，所有涉及到模型和计算公式的工作都必须要找专业人员来搞定。第二，从生产效率考虑，初级算法工程师很多没有很好的软件工程背景，简单点说就是不会写代码只会写matlab，这种工程师的工作交付没有办法直接投入生产，所以需要将他们的工作和生产环节隔离开。综上所述，就是小编今天给大家分享的内容，希望可以帮助到大家。

⑥ 学习了哪些知识，计算机视觉才算入门

计算机视觉是一个很大的范畴的总和，有两种学习方式，一种是阅读基础书，搞懂它的每一部分；另一种是找一个问题，看文献，编程实现，不断往深走。这两种学习方式是互补的，如果你看了好几年书还不能上手解决问题，或者只会解决某些很特殊的问题，对其他问题束手无策都不算成功。因此你需要把看书掌握一般知识和编程实验解决具体问题齐头并进。下面说你要干什么：

下载安装OpenCV2

OpenCV是一个非常强大的计算机视觉库，包括了图像处理、计算机视觉、模式识别、多视图几何的许多基本算法，有c++和Python两种接口。学习的材料首先是安装目录下doc文件夹里的帮助文档，提供所有函数的用法，任何时候对任何函数有疑问请查阅帮助文档，安装目录下还提供一大堆写好的演示程序供参考；《OpenCV_2 Computer Vision Application Programming Cookbook》是一本比较基础的介绍材料，它的缺点是没有介绍分类器（模式识别）方面的函数怎么用。

虽然网上还有其他很多流行的库，比如处理特征点的VLfeat，处理点云的PCL，处理GPU运算的CUDA，处理机器人问题的ROS和MRPT，但是这些都是你在解决具体问题时才会考虑去用的东西，如果你想快速读取视频、做个屏幕交互程序、使用流行的分类器、提取特征点、对图像做处理、进行双目重建，OpenCV都提供相应函数，因此在你不知道该把余生用来干什么的时候，先装OpenCV学习。

读综述

Computer Vision: Algorithms and Application。这本书用1000页篇幅图文并茂地浏览了计算机视觉这门学科的诸多大方向，如果你不知道计算机视觉是一门搞什么的学科，这本书是你绝佳的选择。它的优点是涉猎了大量文献，缺点是缺乏细节，因此很显然只读这本书你根本没法上手工作，因为它讲的实在是太粗糙了。如果你对其中的某一部分感兴趣，就请去读相关文献，继续往下走，这就是这本书的意义。有中文版，但是翻译的不好，也不建议你细细去读，看看里面的图片即可。

Computer Vision: Models, Learning, and Inference：这本书是我认为研究生和高年级本科生入门计算机视觉最好的教材。它内容丰富，难度适中，推导翔实，语言流畅，强烈推荐你花2个月时间把这本书读完。

多视图几何

Multiple View Geometry in Computer Vision：这本书是多视图几何的圣经，意思就是说想搞三维重建或者图像测量之类的项目，这本书是必读的。它需要你有线性代数的基本知识，会SVD分解即可。第一版有中文版，翻译的非常好，但是已经绝版了，可以上淘宝高价买一本，第二版添加的内容很少，在网上可以下载到。

模式识别

模式识别核心就是训练一个函数来拟合手头的数据，如果数据的标签是离散的，称为分类问题，如数据的标签是连续的，称为回归问题；分类又分有监督分类和无监督分类，有监督分类器有神经网络、支持向量机、AdaBoost、随机场、树模型等等。当你拿到一大堆数据，需要从里面找关系的时候，一般都需要使用模式识别算法来训练一个函数/分类器/模型，因此模式识别是机器学习的核心。
《模式分类（第二版）》：这是一本适合普通读者阅读的教材，介绍了模式识别中经典的分类器，讲解细致，语言生动，难度适中，每一个算法都有伪代码。

The Elements of Statistical Learning：这本书使用严谨的数学工具分析模式识别算法，它比较难，但是非常深刻。每拿到一个模型它都会分析这个模型在数学上是如何构造的，并且推导模型的分类错误率。分析和推导是这本书的精髓。

Pattern Recognition and Machine Learning：这是一本从贝叶斯学派的角度分析模式识别模型的书，它使用的工具主要是概率论，比较难，非常深刻，内容非常丰富。

虽然这两本书很难，但是它们用到的数学知识不过是基本的概率论和线性代数，只是用的比较活，计算机视觉这个学科需要的数学知识也是这个水平。

图形学

图形学教材首先推荐《计算机图形学与几何造型导论》，这本书用流畅的语言介绍了图形学的基础知识，选材有趣，推导简洁但是绝不跳步走，保证你能看懂而且不会看烦。

光线追踪器我看过一本薄的《Realistic Ray Tracing》和一本厚的《Ray Tracing from the Ground Up》，两本书都有代码。后一本内容极其丰富，有中文版，翻译尚可。后一本唯一的缺点就是讲不清楚BRDF，但这恰恰是前一本的亮点。

还有一些比较偏的书，比如偏微分方程在图像处理中的应用、细分、压缩感知、马尔科夫随机场、超分辨率分析，概率机器人、多尺度几何分析，这些领域都有各自的名着，你在某个领域深挖的时候，类似这样的书可能会出现在参考文献中，那时再看不迟。

读文献
写到书里的知识基本上都有些过时，你得通过看文献掌握各个领域最新的发展动态。计算机视觉的顶级期刊有两个PAMI和IJCV，顶级会议有ICCV和CVPR，在科学网—[转载]计算机视觉方向的一些顶级会议和期刊有更加详细的介绍。

⑦ 什么是“压缩感知”

压缩感知， 也成为压缩采样。英文为Compressed Sampling 或者是 Compressive Sening。于2006年被提出，并被美国科技评论评为2007年度十大科技进展。
经典的采样定理为香农/乃奎斯特采样，即要保证信号的完全恢复，至少要有2倍的信号频率采样。但是这种采样当中，其实信息是冗余的。压缩感知告诉我们，如果知道信号是稀疏的，那么可以用远低于乃奎斯特采样率，一样可以很好的恢复信号。
压缩感知的核心：信号是稀疏的（即其中有K个为非零元素，其他的元素都为0），采样矩阵和稀疏基是不相关的。
相关内容较多，网络知道里面一下介绍不清楚。
视频资料：1.陆吾生教授于2010年在华东师范大学讲过"Compressed Sening and Signal Processing", 讲的是中文，易听懂，有点科普性质。2.Professor Justin Romberg 作为压缩感知理论的创始人之一，2013年在清华大学讲过“Comprssive Sening and Spare Recovery ”, 这个视频要深入些，全英文讲座，需要较好的英文和数学功底。
如果有兴趣深入学习，建议还是认认真真看文献。可以参考 http://dsp.rice.e/cs 。这里前17篇是压缩感知的综述，看完后就对概念、模型、求解算法、应用有个整体的了解。网页中间的那么多文献是针对压缩感知理论在各个领域的运用。在最后的部分，是网上现有的针对该问题的求解工具箱，大多数是基于Matlab的。只要分析后自己的模型，可以套用工具箱求解，非常方便。

⑧ 司马大大（北京）智能系统有限公司怎么样

简介：司马大大是一家专注于以人工智能为基础的视觉机器人的高新技术企业，致力于视频大数据的智能管理，采用压缩感知技术、深度学习技术，为海量视频资源的采集、存储、分析和数据结构化提供了一套完整的软硬件相结合的解决方案。itjuzi是一家数据服务公司
法定代表人：马兆远
成立时间：2012-12-07
注册资本：375.4693万人民币
工商注册号：110108015443017
企业类型：其他有限责任公司
公司地址：北京市海淀区北三环中路44号4号楼1层111

⑨ 压缩感知在无线通信信号处理中有哪些办法

通信与信息系统专业与信号与信息处理专业区别

通信与信息系统专业

（）《移通信与线技术》 研究数字移通信通信系统系统模拟、址技术、数字调制解调技术、信道态指配技术、同步技术、用户检测技术、语音压缩技术、宽带媒体技术及射频技术研究各种数字微波通信、移通信卫星通信系统及WLAN、WMAN、ad-Roc网组、新技术及性能析并包括SDH技术述系统用编码、调制解调、同步与信令式、址及网络安全等技术研究与发

（二）《线数据与移计算网络》 研究线数据通信广域网、线局域网区域网线数字传输、媒质接入控制、线资源管理、移性管理、移媒体接入、线接入Internet、移IP、线IP、移计算网络等理论、协议、技术、实现及基于移计算网络各种应用本向研究现代移通信智能技术（智能线、智能传输、智能化通信协议智能网管系统等）

（三）《IP宽带网络技术》 研究宽带IP通信网QoS、流量工程合侦听；VoIP组网技术、通信协议控制技术；代网络软交换技术；SIP协议研究及应用发；B3G核网络技术；IP宽带接入城域网关键设备技术发；层交换技术、IP/ATM集技术MPLS技术；IP网络管理模型技术实现；移代理及其IP通信网应用

（四）《网络与应用技术》 研究宽带通信网结构、接口、协议、网络仿真设计技术；网络管理管理模型、接口标准、网管系统设计发；编程网络体系、软件系统发

（五）《通信信息系统信息安全》 研究与通信信息系统信息安全关理论技术主要包括数据加密密钥管理数字签名与身份认证网络安全计算机安全安全协议隐形技术智能卡安全等重点线通信网信息安全根据OSI协议网络各层发研究安全解决案达信、控、用

信号与信息处理专业

（）《现代通信智能信号处理技术》 本研究向现代信号处理基础研究提高通信与信息系统效性靠性各种智能处理技术及其移通信、媒体通信、宽带接入IP网应用目前侧重于研究新代线通信网络各种先进智能信号处理技术通信信号盲离、信道盲辨识与均衡、载波调制、用户检测、空-联合处理、信源-信道编码及网络环境各种自适应技术等

（二）《量信息技术》 研究量态信息载体信息处理与传输技术包括量纠错编码、量数据压缩、量隐形传态、量密码体系等关键技术与理论实现新代高性能计算机超高速、超容量通信信息系统具极其重要意义

（三）《线通信与信号处理技术》 本研究向研究ad hoc自组织网络、传器网络、超宽带（UWB）网络等新代线通信网络通信信号处理技术主要研究内容包括基于信号处理包接收盲处理技术基于粒(particle)滤波信道估计均衡技术基于信号处理媒体接入控制技术目标跟踪与信息融合技术及网络协议体系等

（四）《现代语音处理与通信技术》 语音类进行通信交往便快捷手段各种现代通信网络智能信号处理应用起着十重要作用本研究向研究语音信号数字压缩、识别、合增强技术基于语音智能化机接口技术面向IP网络实语音通信技术信息隐藏技术移通信语音数字处理及传输技术基于DSPs软件线电通信技术及各种网络环境音频、视频、数据、文字媒体处理及通信技术

（五）《现代信息理论与通信信号处理》 现代信息理论基础研究ATMIP网、移与通信、媒体通信、宽带接入网各种信号处理技术低延、低比特率、高质量语音编码、图像编码适用于第三代移通信纠错编码高效载波调制各种自适应处理技术等；确保实现二十世纪通信发展目标提高通信效性靠性核技术本向侧重于些技术应用基础研究

（六）《图像处理与媒体通信》 研究媒体信息特别图像信息处理、描述应用系统关键技术包括：①图像视频信号处理及压缩编码算研究应用系统设计实现；②基于IP视频传输技术业务环境；③移网及cable网数据与媒体通信；④基于xDSL宽带接入网技术；⑤图像数据库及影像网络技术；⑥三维图像处理、建模、显示析技术

（七）《信息网络与媒体技术》 进行信息网络及媒体技术应用基础研究同利用DSP、FPGA、CPLD等软硬件发平台着重研究发各种媒体终端包括①媒体信息压缩编码②信道编码（重点纠错编解码）③视频点播（VOD）与交互电视议电视、远程教/考试/医疗④视频驱系统⑤视音频信号编码压缩算研究及ASIC设计⑥宽带网络应用研究

源: