关于视频监控中人体行为识别的研究

简介：
本研究致力于探索和开发先进的算法和技术，以提高视频监控系统对人体行为的识别精度与效率，增强公共安全及隐私保护措施。 我们提出了一种人体行为识别模型及前景提取方法。针对人体运动过程中可能出现的新行为问题，该模型采用分层Dirichlet过程聚类技术来分析人体特征数据，并判断是否存在未知的行为模式；对于包含新行为的特征向量，则使用无限隐Markov模型进行有监督学习，由管理者将新的行为模式添加到规则与知识库中。当知识库中的行为模式积累至一定规模时，系统可以实现无监督的人体行为分析，通过高效的Viterbi解码算法完成这一过程。 在前景提取方面，我们提出了一种结合背景边缘模型和传统背景模型的方法，以有效避免光照、阴影等外部因素对识别准确性的影响。实验结果表明，在实时视频监控场景中，本方法具有独特的优势，并且能够有效地进行人体行为的识别分析。