13、基于动作基元n - 元组和隐马尔可夫模型的人类行为识别

基于动作基元n - 元组和隐马尔可夫模型的人类行为识别

在当今科技发展中，人类行为识别是一个备受关注的领域，它在监控、人机交互、模仿学习等诸多方面都有着广泛的应用。下面将介绍两种不同的人类行为识别方法及其相关实验结果。

基于动作基元n - 元组的人类行为识别

• 动作表示与距离计算 ：该方法利用动作基元的n - 元组来表示动作。对于每个训练序列，会计算单独的直方图。为了比较不同长度的序列，直方图会进行长度归一化。两个直方图φ(s1)和φ(s2)之间的曼哈顿距离定义为：
  [d(\varphi(s_1), \varphi(s_2)) = \sum_{i = 1}^{n} | \varphi_{a_i}(s_1) - \varphi_{a_i}(s_2) |]
  其中，i = 1, …, n，n表示动作基元的总数，occ(ai, s)表示ai在s中出现的次数。对于新的序列sk，通过与已标记的直方图进行比较，使用最大聚合规则选择合适的类别标签，即找到类直方图φ(sj)，使得φ(sj) = argmini d(φ(si), φ(sk))。实验表明，平均聚合规则的表现较差，不适合基于某一类行为的所有观察活动的平均值来进行活动分类。
• 实验结果
  • 实验设置 ：为了验证该方法，进行了一系列实验。数据中已包含提取的轮廓，因此跳过了人物跟踪步骤。将每个视频帧调整为40x40的二值图像，数据包含9个受试者执行的10种不同行为。实验中应用了分类结果的时间平滑处理，即基于最后10个分类帧的多数投票进行分类，以过滤偶尔的错误，使行为识别