基于GA-HMM的人体行为识别.pdfVIP

电 子 测 试 基于GA-HMM的人体行为识别 梁鹏华 （兰州交通大学 电子与信息工程学院，兰州　730070） 摘要：隐马尔科夫模型（HMM）是人体行为识别领域使用最普遍的理论方法，但传统的 HMM 训练方法 Baum-Welch（BW）法是一种 爬山算法，容易陷入局部最优解，从而影响行为识别的准确率。针对这一问题，本文采用遗传算法来训练 HMM 的参数，首先对 HMM 的主要参数状态转移概率矩阵 A 和输出分布矩阵 B 进行实数编码，用对数似然概率评价个体适应度，最后进行遗传运算。 实验结果证明 GA 算法能够较好的克服传统 HMM 训练容易陷入局部最优的问题，GA-HMM 比 BW-HMM 在人体行为识别时有更高 的识别率。 关键词：行为识别；遗传算法；参数训练 中图分类号：TP391.4　文献标识码：A Human Behavior Recognition Based on GA-HMM Liang Penghua （School of Electronic and Information Engineering，Lanzhou Jiaotong University，Lanzhou 730070） Abstract ： Hidden Markov Model（HMM）is the most commonly used method in the field of human behavior recognition .The traditional training method Baum-Welch（BW）is a kind of hill-climbing algorithm，which is easy to fall into local optimal solution，affecting the recognition rate.To solve this problem，we ues genetic algorithm to train the HMM parameters.In the first，we make the main parameters of the HMM state transition probability matrix A and output distribution matrix B real-coded，then use logarithmic likelihood to evaluate individual fitness and take the genetic operator in last.Experimental results show that the GA is able to overcome the problem that traditional HMM training is easy to fall into local optimum，GA-HMM has a better performance than BW-HMM in human action recognition. 0　引言 1　基于HMM的行为识别 人体行为识别是指使机器像人脑一样分析识别 典 型 的 HMM 可 以 由 一 个 五 元 数 组 人体行为。由于人体行为识别在智能视频监控、虚拟 λ (N ,M ,π, A,B) 来表示，其中 N 为模型中的状态 现实、视频编码、运动分析等方面的广泛应用，近年来 数目，记为 M 为每个状态对应的观察符号数目，π 人体行为识别已成为计算机视觉等领域的研究热点。 为初始概率分布 [