基于CHMM的行为识别系统设计

阐述了行为识别的基本过程。将前景序列进行归一化后,采用二维主成分分析方法（2DPCA）降维进行特征提取,利用连续隐马尔科夫模型（CHMM）建模,对行为有效分类和识别。实验结果表明,该设计方案的识别率可以达到95%。     

基于隐马尔科夫模板模型的视频动作识别算法

针对动作识别算法中构建局部特征间关系不准确、先验知识少的问题,采用一种隐马尔科夫模板模型(HMT),用于从视频中识别人的动作。通过隐马尔科夫模型的状态转移概率,描述动作的各个姿态间的关系。通过模板匹配的方式来计算观测值到隐含状态之间的似然函数(因此称为隐马尔科夫模板模型),模板是活动的,可以克服目标几何外观的变化。隐马尔科夫模版模型的参数包括所有关键姿态模板的参数和这些关键姿态之间的转移概率。这些参数可以通过"期望最大化"算法从训练数据中学习。实验结果表明,所提出的方法在识别准确率上有明显优势。     

基于时空兴趣点的单人行为及交互行为识别

本文方法首先从视频中提取出代表足够运动信息的时空兴趣点,并通过人体前景剪影连通性分析判别时空兴趣点的点集范围。然后对每个视频的兴趣点样本进行高斯混合聚类生成时空单词。最后对时空单词进行训练得到每个行为的高斯混合模型用于人体行为的识别。该方法既可用于单人行为识别也可用于双人行为识别。在行为库上的实验结果证明了该方法有较高的正确率。     

基于DMC-HMM模型的视频异常行为检测

针对视频检测算法中选取合适的图像语义特征提取算法的困难和检测计算效率不高的问题,该文提出了一种基于狄利克雷多项式共轭隐马尔科夫模型的视频异常行为检测算法,首先提出了狄利克雷多项式共轭模型用于抽取视频的底层特征的语义特征,接着将该模型与隐马尔可夫模型相结合进行视频异常行为的检测。通过校园人群流动和交通灯车辆流动实验证明,该方法具有较高的计算效率和检测性能。     

驾驶员无意识车道偏离识别方法

为了改进车道偏离预警系统的工作效能,本文提出了考虑人-车-路特性的无意识车道偏离识别方法。首先,明确了无意识车道偏离识别的具体含义,将其划分为疲劳车道偏离和次任务车道偏离;其次,利用受试者工作特性曲线(ROC)确定无意识车道偏离的识别时间窗口,保证了无意识偏离样本筛选的有效性;再次,以12名驾驶人为试验对象,采集并对比分析了驾驶员操纵特性、车辆运动状态和车辆与车道线相对运动状态等相关参数,并分别选取作为疲劳车道偏离和次任务车道偏离识别基本特征;最后,采用高斯混合隐马尔科夫模型(GM-HMM)构建无意识车道偏离识别模型。实验结果表明,本文方法具有较好的识别效果。     

基于视频的智能交通信息检测算法的研究

该文通过自适应混合高斯模型在一系列连续视频图像中提取出背景并进行更新的基础上,利用背景差法对视频图像中的运动车辆进行检测并进行占道比计算,以实现对高速公路上过往车辆的自动监控功能。实验结果表明,该系统能够快速地适应环境的变化,达到实时的要求,具有较好的效果。     

面向监控视频的行为模式挖掘

行为模式挖掘技术是监控视频语义分析的重要组成,由于先验知识的缺乏与特征维数约束,难以准确定义参数化挖掘模型的结构复杂度,通过非参数化的无限高斯混合聚类运动特征得到原子行为模式,并估计其持续时间分布,使用局部特征维测试验证了挖掘模型的运动相似性假设。结果表明所得到的行为模式集准确刻画了场景的潜在运动语义,而通过行为中存在的时间多形态分布进一步发现了隐藏运动知识。     

基于Kmeans-GMM模型的地板块纹理分类算法

为解决地板块纹理分类难度大的问题,提出了一种基于Kmeans-GMM模型的地板块纹理分类方法.在阐述混合高斯模型GMM及参数估计算法原理的基础上,采用灰度共生矩阵提取地板块纹理特征,结合Kmeans算法,通过训练得到各类纹理所对应的混合高斯模型GMM的参数,实现对地板块纹理分类.实验结果表明该方法辨识准确率高、识别速度快,优于传统的神经网络分类法以及SVM算法,为地板块纹理分类的研究提供了一个新的思路.     

基于HMM的声调语音模型研究

针对声韵母相同但声调不同的近音字识别问题和声韵母及声调都相同的同音字识别问题,提出在语音模型和语言模型中分别引入声调和字转移概率,以提高近音字和同音字的识别率。首先将声调划分为5种表现形式添加到汉语音节的最后一个音素中构成新音素,使用高斯混合隐马尔科夫模型建模新音素。然后通过统计方法计算特定语境下的字间转移概率。最后使用HTK工具包实现了带声调的语音模型和有字转移概率的语言模型。实验结果证明添加声调可以提高近音字的识别率,使用特定语境下字间转移概率可以提高同音字的识别率。     

基于UBM降阶算法的高效说话人识别系统

为了提高基于高斯混合模型-通用背景模型（GMM UBM）说话人识别系统的运算速度,提出了通用背景模型（UBM）降阶算法,该方法采用极大似然估计法训练一个高阶UBM,再采用UBM降阶算法得到低阶UBM.采用最短距离高斯分量替换空映射集合的方法解决了空映射集问题.通过实验方法分析了3种初始化低阶UBM方法的识别结果,发现不同的初始化方法对结果影响很小.在NIST2001 SRE数据库上的实验显示,该算法使基于GMM UBM说话人识别系统的运算速度提高了8倍,而等错误率仅上升了459%,表明了UBM降阶算法在小幅降低系统识别率的情况下,可大幅度提高GMM UBM系统的运行效率.     

基于优化的Baum-Welch算法的说话人识别研究

说话人识别是根据人的声音来识别人身份的一种生物认证技术。文章采用VC平台利用VQ和HMM技术实现了说话人身份认证功能。并用遗传算法改进了Baum-Welch算法,通过实验验证了改进的HMM算法识别的效率有所提高。     

连笔手写识别搜索算法研究

该文提出了一种基于DP算法和隐马尔可夫模型的汉字手写体识别方法,通过提取整字特征和笔划特征来描述汉字特征信息,识别时,采用DP匹配算法,使得字库样本与待识样本的码列匹配关系是最优的,当出现连笔系统拒识时采用隐马尔可夫整字分类器,从而提高整体的识别效率。     

基于图像识别的疲劳驾驶监测方法研究

经研究提出使用摄像机直接朝向驾驶者的面部,以便实时监控驾驶者的疲劳程度.如果检测到疲劳将发出警告信号,提醒驾驶员.通过摄像头录制的视频文件并将其转换为帧,进行眼部跟踪定位,通过测量眼部区域中的图像强度的变化之间的距离可确定眼睛为闭眼或者睁眼.发现闭眼连续时间过长,系统判定驾驶员处于疲劳状态或者入睡状态,并发出警告信号的结论.通过对该算法测试,该方法可以有效的判定驾驶员的疲劳状态.     

一种基于软件行为的界面识别模型

界面采集技术是软件自动评测、软件训练评估领域关键技术之一。对于一些规模较大且部分界面非标准化的应用软件,会出现部分界面难以识别且采集效率低的问题。提出一种基于界面特征的识别模型,运用软件行为学理论描述界面交互行为,采用加权欧式距离与句法模式识别相结合的方法对目标界面进行匹配,较好解决了目标界面识别问题。实验测试证明该模型有效、实时性好。     

基于3D-LCRN视频异常行为识别方法

自动准确识别监控视频中的异常行为在安防领域具有广泛的应用前景.本文提出一种基于3D-LCRN(3D Long-short-term Convolutional Recurrent Network)视觉时序模型的视频异常行为识别方法.首先,基于视频图像帧间的结构相似性,结合光照感应与光照补偿机制进行背景建模,获取对光照突变与背景运动不敏感的矫正光流场与矫正运动历史图.同时,针对异常与正常行为视频数据失衡问题,计算三通道矫正光流运动历史图COFMHI(corrected optical flow motion history image),随机提取视觉词块进行聚类,对样本数量与维度进行双向扩充,充分获取样本的微分和积分运动信息.在此基础上,采用3D-CNN深度学习网络模型对COFMHI进行学习,获取局部短时序时空-域特征,结合可学习贡献因子加权的LSTM网络以压制无关、冗余、具有混淆性的视频片段,进一步提取由短时序-长时序,由局部-全局的多层次时-空域特征用于异常行为识别.通过与同类方法的客观定量对比,实验结果表明,本文方法在光照突变与背景运动等复杂场景下具有优异的异常行为识别性能,进一步表明该方法有效、可行.     

基于隐马尔可夫模型的新闻视频挖掘技术

视频挖掘作为多媒体数据挖掘的典型代表,成为研究的热点.界定了视频挖掘的概念,以新闻视频挖掘为例,对视频挖掘的过程进行了具体分析.利用隐马尔可夫模型(HMM)对新闻数据库进行视频挖掘,根据模型建屯系统,通过实验证明对新闻视频中特征值的平均检测率可达82.3%.     

改进K-means算法在声纹识别中的应用

在基于高斯混合模型（GMM）的声纹识别算法中,K-means聚类算法是GMM模型参数初始化常用的方法之一。传统K-means算法在聚类过程中采用几何距离进行分类,忽略了类中各矢量的分布不同对聚类结果的影响,常常得不到令人满意的识别结果。文中对传统K-means算法进行了改进,并将改进后的K-means算法与GMM结合应用到声纹识别系统中。实验结果表明,改进的K-means算法与传统的算法相比具有更好的识别效果。     

基于GA的负相关剪切集成不平衡行为分类研究

基于传感器的人类活动识别(HAR)在健康医疗领域具有重要的研究价值及研究意义。以往的关于传感器人类活动分类识别算法的研究,并没有考虑不同类别行为数据间的不平衡性。为了解决不同行为类别数据间的不平衡性影响算法精确度的问题,此算法采用下采样方法从大类和小类数据集中随机抽取选出若干组数量上相等的两种数据的集合,将多个不平衡数据变成平衡数据。其次,多个平衡数据集上训练多个弱分类器。然后,此算法以弱分类器的负相关和预测精度为代价函数,使用遗传算法挑选出能够使代价函数值最高的弱分类器来构成集成分类器。使集成算法内的弱学习器具有较高预测精度和多样性。最后,此算法使用挑选出的弱学习器构成集成学习器对人的行为进行集成分类。此算法在已有的行为数据集上进行了仿真实验研究,实验结果证明本文提出的基于遗传的负相关剪切集成不平衡行为识别算法相对于传统算法能够有效提高不平衡行为识别的正确率。     

基于模糊识别的驾驶员疲劳检测

汽车驾驶员疲劳驾驶是导致交通事故的重要原因之一,通过监测驾驶员的眼睛可以判别驾驶员的疲劳程度。对驾驶员眼睛的张开程度、眨眼频率、闭眼持续时间占空比等状态量进行检测和运算分析,提出利用模糊识别算法判别驾驶员眼睛疲劳状态。实验结果表明,该方法能有效识别驾驶员的疲劳状态,实时性好,准确率高。     

基于HMM/ANN混合模型的带噪语音识别

对于含噪语音信号的有效特征提取是语音识别至关重要的一步.该文提出了利用小波调制尺度对语音进行特征提取,结合隐马尔可夫和人工神经网络混合模型进行识别的方法,可进一步反映语音信号的动态特性、增强抗干扰能力和提高识别率.实验证明,该模型适合于对噪声背景下的语音进行识别,同传统的HMM模型相比,具有更好的抗噪鲁棒性,在信噪比较低情况下,识别率比传统的HMM模型有明显的提高.