基于高階隱馬爾科夫模型的人體行為識(shí)別研究.pdf

1、人體行為識(shí)別一直以來(lái)都是計(jì)算機(jī)視覺(jué)領(lǐng)域里的熱門(mén)研究方向，其根本目標(biāo)是讓計(jì)算機(jī)系統(tǒng)可以像人眼一樣去認(rèn)識(shí)和識(shí)別攝像頭所采集到的各種行為信息。要達(dá)到識(shí)別效果，則需要將人工智能技術(shù)、模式識(shí)別技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)等加以綜合運(yùn)用。隨著計(jì)算機(jī)技術(shù)的高速發(fā)展，人們?cè)谌梭w行為識(shí)別領(lǐng)域也取得了較大進(jìn)步，出現(xiàn)了一些科研成果。但當(dāng)前的研究成果還不能滿(mǎn)足在實(shí)際生活中的應(yīng)用要求，某些關(guān)鍵問(wèn)題亟待解決。
　　本文主要研究了以下幾方面的內(nèi)容：
　?。?）通

2、過(guò)對(duì)當(dāng)前關(guān)于圖像預(yù)處理方面的技術(shù)經(jīng)驗(yàn)進(jìn)行歸納和對(duì)比，本文選擇了自適應(yīng)中值濾波的方法并進(jìn)行了仿真試驗(yàn)。提出將傳統(tǒng)的自適應(yīng)中值濾波法與直方圖均衡化法相結(jié)合，處理結(jié)果得到了進(jìn)一步的提高，這為接下來(lái)的工作順利進(jìn)行提供了保障。該方法能有效保留圖像細(xì)節(jié)，同時(shí)，能有效抑制噪聲干擾，具備良好的去噪功能。
　　（2）研究比較了幾種檢測(cè)技術(shù)，側(cè)重研究了以下幾種常用的檢測(cè)算法：光流檢測(cè)技術(shù)、背景減除檢測(cè)技術(shù)、幀間差檢測(cè)技術(shù)。經(jīng)過(guò)大量的實(shí)驗(yàn)對(duì)比，在總結(jié)各

3、種方法優(yōu)缺點(diǎn)的基礎(chǔ)上，根據(jù)本文的特定場(chǎng)景和實(shí)際情況，提出一種新的檢測(cè)方法——基于邊緣提取的連續(xù)三幀幀間差分運(yùn)動(dòng)目標(biāo)檢測(cè)方法，并根據(jù)本文所使用視頻的實(shí)際情況,將提出的改進(jìn)三幀差分算法同背景減除法相融合做前景提取，通過(guò)仿真實(shí)現(xiàn)了預(yù)期結(jié)果。
　?。?）開(kāi)展特征提取方法研究。文章對(duì)常用Haar-like特征提取方法、形狀上下文特征提取方法以及sift特征提取方法進(jìn)行了研究，并將傅里葉特征提取與sift特征提取做了實(shí)驗(yàn)比較，最終提出了一種采

4、用邊界中心距的傅里葉描述子提取人體行為特征方法并對(duì)提取結(jié)果進(jìn)行矢量量化以適應(yīng)旋轉(zhuǎn)不變性。
　　（4）對(duì)高階隱馬爾科夫模型中的估值問(wèn)題、解碼問(wèn)題和學(xué)習(xí)問(wèn)題進(jìn)行了研究，并將高階隱馬爾科夫模型運(yùn)用到人體行為識(shí)別當(dāng)中?，F(xiàn)階段主要是通過(guò)使用一階隱馬爾科夫模型對(duì)人體不同姿態(tài)進(jìn)行模型構(gòu)建，但由于一階隱馬爾科夫模型成立的前提條件是假定狀態(tài)轉(zhuǎn)移概率和符號(hào)發(fā)出概率都只與當(dāng)前時(shí)刻的狀態(tài)有關(guān)。這樣的假定使得一階隱馬爾科夫模型在獲取人體行為信息上存在一定的