基于GA-HMM的人体行为识别

摘要

隐马尔科夫模型(HMM)是人体行为识别领域使用最普遍的理论方法,但传统的HMM训练方法Baum-Welch(BW)法是一种爬山算法,容易陷入局部最优解,从而影响行为识别的准确率。针对这一问题,本文采用遗传算法来训练HMM的参数,首先对HMM的主要参数状态转移概率矩阵A和输出分布矩阵B进行实数编码,用对数似然概率评价个体适应度,最后进行遗传运算。实验结果证明GA算法能够较好的克服传统HMM训练容易陷入局部最优的问题,GA-HMM比BW-HMM在人体行为识别时有更高的识别率。