基于隱Markov模型的視頻行為活動(dòng)識(shí)別關(guān)鍵算法研究.pdf

1、隨著多媒體技術(shù)和信息技術(shù)的發(fā)展，眾多的研究領(lǐng)域如智能監(jiān)控、感知接口、基于內(nèi)容的視頻檢索等，對(duì)視頻內(nèi)容智能分析的要求越來(lái)越高，因此近年來(lái)多媒體信息的內(nèi)容理解和分析引起了越來(lái)越多的學(xué)者關(guān)注。而由于運(yùn)動(dòng)分析和行為識(shí)別在視覺認(rèn)知和計(jì)算中的高語(yǔ)義化程度，該問題是具有挑戰(zhàn)性的科學(xué)問題，同時(shí)也是具有廣泛應(yīng)用意義的實(shí)際問題。 本文采用粒子群優(yōu)化算法對(duì)隱Markov模型的參數(shù)學(xué)習(xí)問題進(jìn)行改進(jìn)，并提出基于事件概率序列的視頻活動(dòng)建模方法HMM—PS，

2、從而實(shí)現(xiàn)視頻行為活動(dòng)的識(shí)別。首先從視頻序列中提取行為活動(dòng)的目標(biāo)運(yùn)動(dòng)軌線特征，利用隱Markov模型以語(yǔ)義事件概率的方式對(duì)行為活動(dòng)進(jìn)行表示，從而完成對(duì)行為活動(dòng)的建模。同時(shí)，基于粒子群優(yōu)化算法對(duì)隱Markov模型中的參數(shù)學(xué)習(xí)算法進(jìn)行改進(jìn)，使得HMM的學(xué)習(xí)問題可以跳出局部最優(yōu)，并有效解決傳統(tǒng)參數(shù)估計(jì)方法的數(shù)據(jù)溢出問題。然后，采用時(shí)間規(guī)整法對(duì)HMM—PS建模得到的事件概率序列進(jìn)行匹配以識(shí)別目標(biāo)行為活動(dòng)。通過(guò)Central Florida大學(xué)的人