基于贝叶斯网络的人体异常行为检测与识别

摘要

使用卡尔曼滤波算法检测视频中的运动目标,并对检测到的行人进行特征提取.采用图像熵、Hu不变矩和长宽比特征,建立贝叶斯网络结构对人体目标进行分类,从而对人的正常行走和倒地、奔跑、挥拳4种行为进行识别.正常行走是正常行为,摔倒、挥拳和奔跑是异常行为.实验结果表明,通过特征提取的贝叶斯网络分类具有较好的实时性,其准确率可达90％.