基于隱馬爾科夫模板模型的視頻動作識別算法研究.pdf

1、動作識別和行為理解是計算機視覺領(lǐng)域的熱門課題。它被廣泛應(yīng)用于人機交互，智能視頻監(jiān)控，虛擬現(xiàn)實，運動分析等領(lǐng)域，有很高的學(xué)術(shù)研究和實際應(yīng)用價值。由于人體運動是非剛性運動，同一動作類型會因不同的人或不同場景發(fā)生變化，不同動作類型的差異又較小，因此在視頻序列中檢測和識別人體動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作識別算法存在以下幾個難題:(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)為了得到較好的實驗結(jié)果，在機器學(xué)習(xí)階段有時需要依賴手工標(biāo)注;(d)模型推理過程耗時。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，通過活動模板模型計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)中自動學(xué)習(xí)得到，從而不需要手動標(biāo)注。模型推理過程通過動態(tài)規(guī)劃算法快速完成，將計算復(fù)雜度由指數(shù)級降到了多項式級。
　　本文在Matlab平臺上用Weizmann動作數(shù)據(jù)集來測試本文提出方法，實驗結(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;提取形狀和運動的聯(lián)合特征時可以達到最佳識別效果;每個動作可以分為幾個