基于时空兴趣点和概率潜动态条件随机场模型的 在线行为识别方法

摘要 针对在线行为连续序列的识别问题以及行为识别模型的稳定性问题，提出一种监控视频中基于概率潜动态条件随机场（PLDCRF）的在线行为识别方法。首先，应用时空兴趣点（STIP）对行为特征进行提取；再利用PLDCRF模型识别室内人体的活动状态。PLDCRF模型融合了隐含状态变量，能够构建姿态序列子结构，可以选取姿态之间的动态特征，并且直接标记出未分割序列；同时也可以正确地标记出行为间的转换过程，从而明显改善了行为识别的效果。隐含条件随机场（HCRF）、潜动态条件随机场（LDCRF）、潜动态条件神经场（LDCNF）以及PLDCRF模型对10种不同动作的识别率比较结果表明，所提PLDCRF模型对连续的行为序列的综合识别能力更强，并且有更好的稳定性