学位论文 > 优秀研究生学位论文题录展示

基于半连接HMM模型的人体行为识别研究与实现

作　者: 傅晓英
导　师: 须德
学　校: 北京交通大学
专　业: 计算机科学与技术
关键词: 运动图像处理人体行为识别人体运动特性 HMM BME-SCHMM
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 308次
引　用: 2次
阅　读: 论文下载

内容摘要

人体行为识别是人工智能领域的一个重要分支,近年来受到机器视觉领域研究者的广泛关注,相关科研成果正在为人们的生活带来全新的交互方式。人体行为识别的基本步骤是:1.运动检测和跟踪,目的是从视频序列中抽取相关的运动特征;2.人体姿势的估计和识别,目的是根据运动特征建立运动模型,从而进行人体行为识别。鉴于以前的研究基础,本文主要研究第二个步骤。目前为止,用于人体行为识别的隐马尔可夫模型(HMM)大多使用的是全连接HMM(FCHMM)模型,得到了比较令人满意的识别结果。然而,这些方法只是主观地选择状态的数目并且机械地使用了全连接结构,没有考虑人体行为特性和HMM布局设计之间的关系。本文针对这个问题,采用一种新的基于前中后三状态半连接HMM(BME-SCHMM)的人体行为识别方法,将人体行为特性与HMM的参数设计相结合,通过限制状态数目和状态转移条件,提高人体行为识别的准确率并降低运算复杂度。在算法的具体实现过程中,为每个状态的输出概率引入了权重的概念。通过对以色列Weizmann人体行为数据库和瑞典KTH人体行为数据库进行试验,在与传统的基于全连接HMM的人体行为识别模型比较之后,得出结论:本文的方法能够在得到相似识别率的前提下,可以减少状态数目,并限制了状态转移条件,因此提高了计算性能。该算法的复杂度低,快捷有效,具有较好的通用性,比现有的人体识别算法具有更好的性能。

全文目录

致谢  5-6
摘要  6-7
ABSTRACT  7-10
1 引言  10-14
  1.1 研究背景及意义  10-11
  1.2 研究现状  11-12
    1.2.1 国外研究现状  11-12
    1.2.2 国内研究现状  12
  1.3 现存问题分析  12-13
  1.4 论文组织结构  13-14
2 HMM原理  14-28
  2.1 HMM基础  14-16
    2.1.1 HMM数学背景  14-15
    2.1.2 HMM定义  15-16
  2.2 基本问题及主要算法  16-17
  2.3 基于HMM行为识别原理  17-24
    2.3.1 识别方程式  17-18
    2.3.2 Forward_Backward算法  18-20
    2.3.3 Baum-Welch算法  20-23
    2.3.4 Viterbi算法  23-24
  2.4 HMM类别  24-27
    2.4.1 按照形状分类  24-26
    2.4.2 按照输出概率分类  26-27
  2.5 本章小结  27-28
3 行为要素和预处理  28-42
  3.1 基本要素  28-33
    3.1.1 人体运动类别  28-29
    3.1.2 人体行为表征  29-31
    3.1.3 人体行为识别  31-33
  3.2 视频捕捉  33-34
  3.3 图像截取  34-35
  3.4 运动检测  35-39
  3.5 形态学处理  39-40
  3.6 人体行为编码  40-41
  3.7 本章小结  41-42
4 人体行为识别  42-62
  4.1 行为分析及HMM引入  42-44
    4.1.1 人体行为分析  42-43
    4.1.2 引入HMM  43-44
  4.2 BME-SCHMM  44-45
  4.3 算法设计  45-51
    4.3.1 模型描述  45-46
    4.3.2 参数训练阶段  46-48
    4.3.3 优化训练结果  48-50
    4.3.4 行为识别阶段  50-51
  4.4 实验结果与分析  51-61
    4.4.1 实验环境  51
    4.4.2 人体行为数据库  51-53
    4.4.3 初始化与参数选取  53-57
    4.4.4 与基准模型比较分析  57-61
  4.5 本章小结  61-62
5 总结与展望  62-64
  5.1 论文工作总结  62-63
  5.2 未来工作展望  63-64
参考文献  64-68
学位论文数据集  68

基于半连接HMM模型的人体行为识别研究与实现

内容摘要

全文目录

相似论文