基于贝叶斯网络的人体异常行为检测与识别

• 作者: 应捷 韩飞龙
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 行人检测 卡尔曼滤波 贝叶斯网络 特征提取
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 9-13
• 页数: 5页
• 分类号: TP306
• 字数: 4256字
• 语种: 中文
• DOI: 10.11907/rjdk.172040

摘要

使用卡尔曼滤波算法检测视频中的运动目标,并对检测到的行人进行特征提取.采用图像熵、Hu不变矩和长宽比特征,建立贝叶斯网络结构对人体目标进行分类,从而对人的正常行走和倒地、奔跑、挥拳4种行为进行识别.正常行走是正常行为,摔倒、挥拳和奔跑是异常行为.实验结果表明,通过特征提取的贝叶斯网络分类具有较好的实时性,其准确率可达90％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	应捷	上海理工大学光电信息与计算机工程学院	37	110	6.0	8.0
2	韩飞龙	上海理工大学光电信息与计算机工程学院	2	10	2.0	2.0