李 航,于家祥,殷守林,孙 可

(沈阳师范大学 软件学院,沈阳 110034)

人体行为识别技术一直是计算机视觉领域中被广泛研究的课题。在现有的方法中,描述对象特征值的方法大概分为4类:基于运动的方法,基于表征的方法,基于时空体积的方法和基于时空兴趣点的方法。行为识别方法主要基于机器学习技术,包括KNN、支持向量机(SVM)、Boosting分类、隐马尔可夫模型[1-2]。顾泽凌等[3]提出了一种用于行为表示的特征集,使用特征集建模行为作为基于示例的空间中从示例到行为图像的最小距离集。利用模糊逻辑对人体运动轨迹进行分析,以识别人体的行为,进行异常事件检测。董恩康等[4]使用离散HMM[5-6]识别3名受试者中6种不同网球击球的图像序列。张敬辕等[7]提出了一种基于HMM的模型特征集动作识别方法。然而,由于动态场景的复杂度和不确定性等复杂环境场景,如背景、遮挡、运动物体姿态和大小的变化,使得行为识别仍然是一个挑战性的问题。

本文通过用户的动作和手势来理解用户,从而为用户提供所需服务。在最大化的提高用户便捷的同时,对资源的消耗也大大降低。为了实现自动提取行为,有必要使用一些方法来自动识别用户行为,满足目标需求。提出了利用模糊算法从视频序列中识别人类行为的方法,并在此基础上提出了一个能有效识别输入图像序列中的基本行为类型的方法,如手写、行走和奔跑。这种算法能够检测人机交互中手势和动作,视频监控中的异常事件,分析智能空间中的重要事件等。……