基于隱Markov模型的視頻行為活動識別關鍵算法研究.pdf

1、隨著多媒體技術和信息技術的發(fā)展，眾多的研究領域如智能監(jiān)控、感知接口、基于內容的視頻檢索等，對視頻內容智能分析的要求越來越高，因此近年來多媒體信息的內容理解和分析引起了越來越多的學者關注。而由于運動分析和行為識別在視覺認知和計算中的高語義化程度，該問題是具有挑戰(zhàn)性的科學問題，同時也是具有廣泛應用意義的實際問題。 本文采用粒子群優(yōu)化算法對隱Markov模型的參數(shù)學習問題進行改進，并提出基于事件概率序列的視頻活動建模方法HMM—PS，

2、從而實現(xiàn)視頻行為活動的識別。首先從視頻序列中提取行為活動的目標運動軌線特征，利用隱Markov模型以語義事件概率的方式對行為活動進行表示，從而完成對行為活動的建模。同時，基于粒子群優(yōu)化算法對隱Markov模型中的參數(shù)學習算法進行改進，使得HMM的學習問題可以跳出局部最優(yōu)，并有效解決傳統(tǒng)參數(shù)估計方法的數(shù)據(jù)溢出問題。然后，采用時間規(guī)整法對HMM—PS建模得到的事件概率序列進行匹配以識別目標行為活動。通過Central Florida大學的人