基于隐马尔可夫模型多摄像头人体对象目标识别.docVIP

基于隐马尔可夫模型多摄像头人体对象目标识别 　　摘 要：在非重叠多摄像机系统的人体对象目标识别中，针对基于单幅图片的识别算法不能较好处理对象表观和视角变化的问题，提出基于人体图像序列的算法。该算法用隐马尔可夫模型（HMM）融合多幅图片的特征，先考虑人体结构的约束，将人体图像在垂直方向上划分为多个相等的图像区域；然后采用多层阈值分割算法提取区域代表性颜色特征（SRC）和标准差特征（SSV）；再用每个人体对象的多幅图片提取的特征数据集训练该对象的连续密度HMM；最后利用训练的模型实现人体对象的目标识别。该方法在两个公开数据集上进行的实验都获得了较高的识别率，提高了对摄像头视角变化、低分辨率的鲁棒性，且简单易实现。 　　关键词：人体对象目标识别；隐马尔可夫模型；多阈值分割；图像序列；峰值信噪比 　　中图分类号： TP391.4；TP37 　　文献标志码：A 　　4 结语 　　本文提出了一种新颖的在多摄像头环境中人体对象的目标识别算法，且简单易实现。与同样基于图像序列的几个方法相比，该方法在两个具有挑战的公共数据集上都获得了较好的性能，增强了对视频中视角变化、尺度变化和光线变化的鲁棒性；但也存在些不足，如特征的辨别力有限，模型参数难估计。当前，在图像识别研究中，区域显著性判别方法取得较好的识别效果。与特征的显著性学习算法不同的是，区域显著性学习的算法尝试找出稳定的区域，对人体