罗鸿斌

(甘肃政法大学公安技术学院，甘肃 兰州 730070)

1 引言

行人行为识别[1]是分析行人运动的主要手段，在视频监控、人机交互等领域具有广泛的应用价值，已成为计算机视觉[2]领域中的重要研究课题。视觉识别技术的快速发展，导致行人行为方式变的复杂化，于是出现观察者识别错误的情况。行人行为识别，是针对行人行为模式进行对应的识别与分析，该方法将从跨越摄像机、时间段的行人图像数据集中，寻找出与检索结果相互匹配的目标个体。但由于光照、摄像机位置角度不同，同一个人在不同的图像中会有较大的姿态差异变化，给行人识别技术带来严重的影响和挑战。

文献[3]提出基于特征提取的人体动作行为识别研究方法，将行人运动行为识别问题归纳成计算机经过检测运动数据而获取到的行为信息，基于特征提取，实现特征分类的目的。该方法针对图像进行检索与提取并完成分类，最终完成对特征识别的效果，但在一定程度上具有效率低、识别误差大等问题。文献[4]提出基于改进极限学习机算法的行为识别方法，引入行为识别学习算法。该算法将通过对Cholesky分解求出ELM来得到新的分类方法，从而减少计算的复杂性与耗时长的问题。但该方法仅限于学习机ELM对行人行为识别检测，应用范围有限。文献[5]提出基于Gabor特征与卷积神经网络的行人行为识别方法，将Gabor小波特征与卷积神经网络方法相结合，计算人体图像8个方向的Gabor特征，利用人物模型进行检测，输出人物掩膜，引入形态学处理方法，对掩膜并同原图像进行相与操作，最终实现行人行为的识别。……