基于BP神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別

鄒建

?

基于BP神經(jīng)網(wǎng)絡(luò)的人體行為識(shí)別

鄒建

（貴州省通信管理局，貴州貴陽550001）

針對(duì)人體行為識(shí)別問題，提出一種基于徑向基函數(shù)（BP）神經(jīng)網(wǎng)絡(luò)的人體行為分類算法。首先，利用奇異值分解（SVD）算法提取視頻每一幀的奇異值，將每一幀的奇異值按照行拼接起來即為一個(gè)視頻的樣本，樣本按照行排成樣本矩陣；然后，利用主成分分析（PCA）對(duì)得到的矩陣進(jìn)行去相關(guān)并且降低維數(shù)，降低維數(shù)的矩陣再進(jìn)行線性鑒別分析（LDA），使樣本變得線性可分；最后，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)樣本進(jìn)行分類；實(shí)驗(yàn)結(jié)果表明，與采用最近鄰分類和近鄰分類（NN）相比，所提算法具有更高的識(shí)別率。

人體行為識(shí)別；SVD；PCA；LDA；BP神經(jīng)網(wǎng)絡(luò)

1 引言

近年來，計(jì)算機(jī)視覺的發(fā)展大大推動(dòng)了人體行為分析的進(jìn)步，取得了諸多成果。人體行為分析可分為人體動(dòng)作識(shí)別和分析，其中人體動(dòng)作識(shí)別是指對(duì)人體的運(yùn)動(dòng)模式進(jìn)行分析和識(shí)別[1]。目前，針對(duì)人體行為識(shí)別的方法主要有模板匹配法、狀態(tài)空間法以及基于模型的方法，其中，模板匹配法擁有快速的識(shí)別效率，但識(shí)別率較低且模板具有特定性；基于模型的方法很難尋找到好的模型。因此人體行為識(shí)別仍有許多問題亟需解決，研究可靠且穩(wěn)定的識(shí)別方法具有較大意義。Tu等[2]利用結(jié)構(gòu)模型，通過建立點(diǎn)頭、擺頭、舉手、邁步等行為模型，準(zhǔn)確地描述了上述幾種行為，取得了較高的識(shí)別率；針對(duì)視頻中人體行為尺度不同的問題，李妍婷等[3]提出了單目視頻中多視角行為識(shí)別方法，獲得了穩(wěn)定的行為特征。……