基于光流和概率上下文无关文法的人行为分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于光流和概率上下文无关文法的人行为分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

【摘 要】文中提出了一个基于光流和概率上下文无关文法的人的视频序列的运动行为的分析方法。首先，采用自适应混合高斯模型来

>> 一种基于概率上下文无关文法的汉语句法分析 基于概率上下文无关文法的口令强度评估方法 基于上下文环境和句法分析的蛋白质关系抽取 一种基于上下文的精简控制流图方法的研究 面向语义Ｗｅｂ的基于语义和上下文的访问控制模型 基于上下文信息的协同过滤推荐 基于OWL的上下文感知计算模型 基于引文上下文分析的文献排序方法研究 寻找上下文的关系 基于多模态融合和时空上下文语义的跨媒体检索模型的研究 基于射频识别和上下文感知的电动汽车充换电站自动化管理 基于模糊处理和上下文敏感SVM的协同过滤推荐新方法 一种新的异构网络中基于上下文相关的推荐模型 基于上下文感知计算的移动中间件自适应模式的构建 基于形状上下文的颜体字比较的研究 基于上下文的控制策略在网络安全中的实现 一种基于查询上下文的个性化检索模型研究 基于CONTEXT技术的网络学习上下文环境浅析 实体识别中基于上下文仲裁的比较空间缩减机制 基于移动用户上下文的农家书屋阅读推荐研究 常见问题解答 当前所在位置：l）

根据表1，可以得知，本文算法的正确率略低于文献9算法的正确率。目标运行的相对速度越慢，本文算法的相对准确率就越高。

根据表2，可以得知，本文算法的运行速度明显快于文献9算法的运行速度。

四、结束语

本文提出了一个基于光流和概率上下文无关文法的人的视频序列的运动行为的分析方法。相比较文献[9]当中的算法，本文算法增加了背景建模和前景轮廓处理，简化了概率上下文随机文法的内容，在正确率没有特别降低的条件下，使得运行速度大大提高。

尽管如此，本文算法的实际运行时间仍然过长（每个行为的分析超过2秒），远远没有达到实时行为分析的要求。而且，在当前的算法下，实际运行时间改进的空间不大。

要想实现对人的行为的实时行为分析，需要改进思路，使用别的方法。

参考文献：

[1] 凌志刚， 赵春晖， 梁彦， 潘泉， 王燕. 基于视觉的人行为理解综述 [J]. 计算机应用研究. Application Research of Computers， 2008， 25（9）： 2570-2578

LING Zhi-gang， ZHAO Chun-hui， LIANG Yan， PAN Quan， WANG Yan. Survey on vision-based human action understanding [J]. Application Research of Computers， 2008， 25（9）： 2570-2578

[2] 谷军霞， 丁晓青， 王生进. 行为分析算法综述 [J]. 中国图象图形学报， 2009， 14（3）： 377-387

GU Jun-xia， DING Xiao-qing， WANG Sheng-jin. A survey of activity analysis algorithms [J]. Journal of Image and Graphics， 2009， 14（3）：377-387

[3] 王亮， 胡卫明， 谭铁牛. 人运动的视觉分析综述 [J]. 计算机学报， 2002， 25（3）： 225-237

WANG Liang， HU Wei-ming， TAN Tie-niu. A survey of visual analysis of Human Motion [J]. Chinese J. Computers， 2002， 25（3）： 225-237

[4] 徐光， 曹媛媛. 动作识别与行为理解综述 [J]. 中国图象图形学报， 2009， 14（2）： 189-195

XU Guang-you， CAO Yuan-yuan. Action Recognition and Activity Understanding： A Review [J]. Journal of Image and Graphics， 2009， 14（2）： 189-195

[5] 黄鑫娟， 周洁敏， 刘伯扬. 自适应混合高斯背景模型的运动目标检测方法 [J]. 计算机应用， 2010， 30（1）： 71-74

HUANG Xin-juan， ZHOU Jie-min， LIU Bo-yang. Moving objects detection approach based on adaptive mixture Gaussian background model [J]. Journal of Computer Applications， 2010， 30（1）： 71-74

[6] 李全民， 张运楚. 自适应混合高斯背景模型的改进 [J]. 计算机应用， 2007， 27（8）： 2014-2017

LI Quan-min， ZHANG Yun-chu. Improvement on adaptive mixture Gaussian background model. Journal of Computer Applications， 2007， 27（8）： 2014-2017

[7] P. KaewTraKulPong， R. Bowden. An improved adaptive background mixture model for real-time tracking with shadow detection [C]// In Proc. Of 2nd European Workshop on Advanced Video Based Surveillance Systems. 2001： 149-158

[8] Shih F Y. Image processing and mathematical morphology： fundamentals and applications [M]. New York： CRC Press， 200

[9] A. S. Ogale， A. Karapurkar， Y. Aloimonos. View-invariant modeling and recognition of human actions using grammars. Dynamical Vision. Springer

作者简介：

柏柯嘉，男，1974年7月，湖南，博士，视频目标跟踪、视频行为理解、图像处理、模式识别，讲师。