论文部分内容阅读
针对视频监控中人体行为的识别问题，提出了一种新的人体行为识别模型和前景提取方法.针对人体运动过程中产生新行为的问题，采用分层Dirichlet过程聚类人体特征数据来判断是否有未知的人体行为产生. 用无限HMM对含有未知行为模式的特征向量进行有监督学习，由管理者将其添加到知识库中. 当知识库的行为模式达到一定规模时,系统可以无监督地对人体行为进行分析，其分析过程采用HMM中高效的Viterbi解码算法完成. 提出了基于背景边缘模型与背景模型相结合的前景检测方法，此方法能够有效避免光照、阴影等外部因素的影响，有效实现前景提取. 通过仿真实验证实了本文提出的方法在实时视频监控中人体行为识别方面较其他方法具有独特的优势.