基于多層動態(tài)Bayesian網(wǎng)的視頻行為識別研究.pdf

1、視頻行為識別(Behavior recognition，BR)是指依據(jù)運動目標的視頻，提取目標的行為特征信息，建立行為特征信息與高層行為語義之間的函數(shù)映射，實現(xiàn)視頻行為識別，是多媒體信息高級語義理解和模式識別的一個重要研究方向。視頻行為識別方法，涉及到特征提取和選擇、信息處理、計算機視覺和模式識別領(lǐng)域。在科學研究和智能視頻監(jiān)控、高級接口和多媒體信息檢索等方面具有重要的理論和應用意義。
　　 本文在闡述Bayesian網(wǎng)理論的基礎(chǔ)

2、上，實現(xiàn)一種基于多層動態(tài)Bayesian網(wǎng)的模型(Multi-layer dynamic Bayesian network，MDBN)，以及基于該模型的視頻行為識別方法(BR based on MDBN，MDBN-BR)。主要研究工作和創(chuàng)新點為：主要研究工作和創(chuàng)新點為：(1)實現(xiàn)基于多層動態(tài)Bayesian網(wǎng)絡的視頻行為表示模型MDBN；(2)基于MDBN模型進行視頻行為識別MDBN-BR,(3)綜合視頻行為的軌跡特征和光流特征兩種運動

3、特征進行行為識別；(4)采用將這兩種特征組成的向量分解為維度相等的特征向量，作為MDBN模型兩個層次觀察量輸入的綜合策略。MDBN-BR方法的關(guān)鍵過程為三個：模型建立、參數(shù)學習和推理識別。參數(shù)學習和推理識別分別采用經(jīng)典方法期望值最大化(EM)算法和聯(lián)合樹(Junction tree)推理算法實現(xiàn)。本文對這三個關(guān)鍵過程進行詳細介紹和分析。從理論上，MDBN模型實質(zhì)是擴展的Bayesian網(wǎng)絡，具有可以表現(xiàn)變量間因果關(guān)系和將變量空間分解為局