基于背景剪除和隐马尔可夫模型的人体动作识别

摘要

进入21世纪，基于视频的人体行为理解研究不断向前发展。目前，人体动作识别的研究引起了越来越多的关注。人体动作识别具有广泛的应用前景，它在智能监控、人机交互、虚拟现实、运动分析等领域都能发挥非常大的作用。在总结国内外人体动作识别研究的基础上，本文针对视频中捕获的人体动作，将背景剪除和嵌入式隐马尔科夫模型相结合，在传统HMM识别算法基础上，设计了一种改进的人体动作识别方法。本文的主要研究内容如下：
　　 首先，本文采用高斯混合模型方法，对视频中的动作序列进行检测。然后，对视频图像中的每一帧进行背景剪除，提取出人体动作的前景轮廓，找出识别需要的人体动作轮廓图，为特征提取做准备。第三，将人体轮廓区域划分为头部、上肢、腰部、大腿、小腿和脚五个部分，每个部分作为一个超态，每个超态又相应的分成几个部分，作为嵌入态。第四，对人体前景轮廓图进行特征提取，从而形成一系列的观察向量序列。第五，对EHMM模型进行训练，并将特征向量存入EHMM特征库中。第六，将特征库中的特征向量与待识别动作的特征向量进行比对，找出最大概率匹配的特征向量，从而达到动作识别的目的。
　　 为了验证本文方法的有效性，本文采用了两组不同的实验来证明。在第一组实验中，本文选定了日常生活中10种常见的动作进行识别。在第二组实验中，通过与CRF、HMM的方法的对比，列出实验数据，证实本文方法的有效性。实验证明，本文的方法在处理简单动作的识别时能够达到令人满意的结果。