基于HMM 复杂场景下的行为识别方法

《基于HMM 复杂场景下的行为识别方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第34卷第7期计算机工程2008年4月Vol.34No.7ComputerEngineeringApril2008·人工智能及识别技术·文章编号：1000—3428(2008)07—0212—03文献标识码：A中图分类号：TP391.4基于HMM复杂场景下的行为识别方法张丽君，吴晓娟，盛赞，亓磊(山东大学信息科学与工程学院，济南250100)摘要：人的行为模式的理解与识别是智能视觉监控系统的一个关键环节。针对目前大部分的研究都是简单场景下的简单行为识别，不具有广泛适用性的问题，该文提出一种复杂场景下的分层行为建模和识别方法。通过统计方法在监控画面内选定若干个有意义的

2、标志点，利用这些标志点将复杂行为分解为一系列简单行为，对简单行为的轨迹进行HMM建模，并利用Level-Building算法进行复杂行为的识别。实验结果表明，该方法对复杂行为具有较高的识别率，而且在多种场景下具有普适性。关键词：行为识别；隐马尔可夫模型；分层构筑；行为语法BehaviorRecognitionMethodinComplexEnvironmentUsingHMMZHANGLi-jun,WUXiao-juan,SHENGZan,QILei(SchoolofInformationScienceandEngineering,ShandongUniversit

3、y,Jinan250100)【Abstract】Theunderstandingandrecognitionofhumanbehaviorisakeyissueinanintelligencevisualsurveillancesystem.Butmostofthecurrentresearchisonsimplebehaviorwithsimplebackground,soitisnotwidelyapplicable.Thisarticlepresentsamethodtomodelcomplexhumanbehaviorhierarchicallyincomp

4、lexenvironment.SetsomemeaningfullandmarksinthescreenandmodelprimitivebehaviorbetweentwolandmarksusingaHMM,thenuseLevel-Buildingalgorithmwithanappropriatethresholdmodelandbehaviorgrammartorecognizecomplexhumanbehavior.Experimentalresultsshowthatthismethodcanachievegoodresultsforbothsimp

5、lebehaviorandcomplexbehaviorincomplexenvironment.【Keywords】behaviorrecognition;HMM;Level-Building;behaviorgrammar1概述储的模式进行比较得到识别结果，如动态时间弯折(DTW)方目前，在医院、银行、商店、停车场等公共场所甚至家法。其实质是模板匹配方法，优点是计算量低，但对运动持庭庭院内，监控系统已经参与到各种日常事务的运作当中。续时间的变化和噪声比较敏感。动态法把贯穿整段视频的轨但是现有的监控系统都不能实现实时主动的监督作用，即监迹信息作为分析单元。在这一类

6、方法中，一般采用状态空间控的智能化和无人化。未来的智能监控系统应能够实现全天模型如HMM模型开展人行为的识别。文献[3]中使用HMM候的实时监视，并自动分析摄像机捕捉的图像数据；当异常对十字路口的车辆行进方向进行建模分析。发生时，能向保卫人员准确及时地发出警报，从而避免犯罪根据视频监控系统的功能要求，本文采取了隐马尔可夫的发生。实现智能监控的关键是能使监控系统很好地理解目模型方法，在粗糙层次上对人的运动进行描述，选取人行进标的行为模式，从而实现实时的行为识别。过程中的轨迹信息作为训练和识别的特征。基于计算机视觉的行为识别是在成功实现跟踪、完成特2隐马尔可夫模型[4]

7、征提取的基础上进行的，它属于更高层次的视觉任务。监控隐马尔可夫模型(HMM)是一种用于研究具有离散时间系统中目标行为的理解与识别主要就是人的行为的理解与识特性的概率统计技术，早期被成功运用于语音识别中，最近别，但由于人体的非刚性运动、着装的不同、运动时的相互被尝试用于运动模式的识别。它的模型结构可以概括为一个遮挡甚至丢失使得这项任务非常复杂和富有挑战性。隐马尔可夫链和一个固定的输出概率分布集。由于识别任务的不同，对人的运动描述可以分为3个层一个基本的HMM如图1所示。其中，S代表t=i时的[1-2]次：粗糙描述，中间层次描述以及细节描述。其中，粗糙状态结点，它通