基于多层动态贝叶斯网络的人的行为多尺度分析及识别方法

摘要

人的行为识别是视频内容分析和计算机视觉领域中的一个重要问题.在分析了人的行为包含多个尺度运动细节的基础上,提出了一种分层且带驻留时间状态的动态贝叶斯网络(Hierarchical durational-state dynamic Bayesian network,HDS-DBN).HDS-DBN含有多层状态,能够较好地表示人的行为包含的多尺度运动细节.我们针对单人行为和两人交互行为进行了识别,实验结果表明该方法具有较高的识别率,并且在有噪声存在或信息缺失等不确定情况下均具有较好的鲁棒性.实验结果表明HDS-DBN模型确实能够较好地表达行为中的多尺度运动细节.