一种基于统计形状分析的运动人体识别方法.pdfVIP

本期关注special focus 两化融合 一种基于统计形状分析的运动人体识别方法 李鹏 / 中国人民公安大学 摘 要：运动人体识别模式识别领域的研究热点。目标在运动过程中产生的时间域和空间域的形变可提供重要的识别信 息。本文提出一种基于统计形状分析的识别方法，用Kendall形状模型来描述帧间提取的人体轮廓，并应用隐马尔科夫 模型（HMM）来捕捉目标时空域上的形变信息。由于传统HMM框架下，隐藏状态与训练数据相互正交，给学习过程带来 很大困难。由此提出一种非参数HMM模型，用非参数核密度估计算法来学习观测概率分布，以补偿随机隐藏状态造成的 不确定性，优化了HMM训练过程。最后对此方法进行了实验分析。 关键词：运动识别；统计形状分析；隐马尔科夫模型；非参数估计算法 * 2 2 2 前，基于视觉的运动人体识别是计算机视觉 d （n ，n ）=1- ∣n n ∣/ ‖n ‖ ‖n ‖ （2 ） F 1 2 1 2 1 2 领域的研究热点。许多综合性研究中都涉及 给定一个形状集{n }，i= 1，2，…n ，Procrustes平均形 i 目 [1][2] 到这一领域 。运动识别可以简单定义为对 状的估计 定义为： 随时间变化的特征数据进行分类。基于视觉的运动识别， （3 ） 存在4 个基本问题： （1 ）从原始图像中提取什么样的抽 给定先验形状形心集n ， （i= 1，2 ，…n ），首先计算 i 象特征用于识别，即特征选择； （2 ）如何描述提取的特 矩阵S ： n 征，即特征描述； （3 ）如何从被描述的特征中学习运动 （4 ） 信息，即模式学习； （4 ）如何在参照运动信息和未知序 正切空间是在特殊点 （切线投影的极点）附近，对形 列间进行相似度匹配，即模式分类。 状空间进行线性化的空间。通常把Procrustes平均形状选为 本文提出一种基于视觉的运动人体识别方法，利用 极点。正切空间中先验形状