基于隱馬爾科夫模板模型的視頻動(dòng)作識(shí)別算法研究.pdf

1、動(dòng)作識(shí)別和行為理解是計(jì)算機(jī)視覺領(lǐng)域的熱門課題。它被廣泛應(yīng)用于人機(jī)交互，智能視頻監(jiān)控，虛擬現(xiàn)實(shí)，運(yùn)動(dòng)分析等領(lǐng)域，有很高的學(xué)術(shù)研究和實(shí)際應(yīng)用價(jià)值。由于人體運(yùn)動(dòng)是非剛性運(yùn)動(dòng)，同一動(dòng)作類型會(huì)因不同的人或不同場景發(fā)生變化，不同動(dòng)作類型的差異又較小，因此在視頻序列中檢測和識(shí)別人體動(dòng)作的難度要高于其他的目標(biāo)。
　　目前基于隱馬爾科夫模型的動(dòng)作識(shí)別算法存在以下幾個(gè)難題:(a)構(gòu)建觀測值與隱含狀態(tài)之間的概率模型不準(zhǔn)確;(b)每個(gè)觀測值對應(yīng)一組局部特

2、征，構(gòu)建局部特征之間的關(guān)系不準(zhǔn)確;(c)為了得到較好的實(shí)驗(yàn)結(jié)果，在機(jī)器學(xué)習(xí)階段有時(shí)需要依賴手工標(biāo)注;(d)模型推理過程耗時(shí)。針對上面這些問題，本文提出一種基于隱馬爾科夫模板模型下的行為識(shí)別算法，該算法歸納如下:
　　本模型的基本構(gòu)成包括一系列隱含狀態(tài)和觀測值，通過活動(dòng)模板模型計(jì)算觀測值與隱含狀態(tài)間的概率，相比常用的剛性模板，活動(dòng)模板對視角和外觀的變化有很好的魯棒性，從而準(zhǔn)確地描述了觀測值與隱含狀態(tài)間的概率模型。關(guān)鍵姿態(tài)間的轉(zhuǎn)移概率

3、通過統(tǒng)計(jì)的方法得到，從而準(zhǔn)確地構(gòu)建了局部特征間的關(guān)系。模型參數(shù)通過“期望最大化”算法從訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)得到，從而不需要手動(dòng)標(biāo)注。模型推理過程通過動(dòng)態(tài)規(guī)劃算法快速完成，將計(jì)算復(fù)雜度由指數(shù)級(jí)降到了多項(xiàng)式級(jí)。
　　本文在Matlab平臺(tái)上用Weizmann動(dòng)作數(shù)據(jù)集來測試本文提出方法，實(shí)驗(yàn)結(jié)果表明“左向右型”隱馬爾科夫模板模型在描述姿態(tài)間的切換規(guī)律方面有明顯的優(yōu)越性;提取形狀和運(yùn)動(dòng)的聯(lián)合特征時(shí)可以達(dá)到最佳識(shí)別效果;每個(gè)動(dòng)作可以分為幾個(gè)