基于模糊逻辑的人体行为识别分析

摘要

近年来,人体行为识别技术有了重大进展.在智能环境中使用计算机视觉技术实现人体行为分析,能够最大化限度地提高用户的舒适度和安全性.传统人体行为识别方法大多采用卷积神经网络(CNN)的方法,这种方法需要大量训练样本,而人体动作具有多样性、复杂性,因此它很难处理现实中应用的不确定性和复杂性.文章提出了一种基于模糊逻辑人体行为识别框架,提取视频序列中的人体轮廓特征和运动特征,并将其作为模糊系统的输入,采用模糊C均值聚类方法作为模糊逻辑的函数.在训练阶段,利用模糊逻辑检测并提取人体轮廓,从提取的轮廓中,对模型的特征集进行计算,并采用基于模糊逻辑的识别方法对输入特征向量来进行描述.然后通过聚类分析得到模糊系统输入的模糊隶属度函数.该方法在公开的Weizmann的数据集上进行实验验证,结果表明提出方法的有效性与算法的鲁棒性.