基于混合高斯模型和主成分分析的轨迹分析行为识别方法  

Gaussian Mixture Models and Principal Component Analysis Based Human Trajectory Behavior Recognition

作　　者：田国会[1] 尹建芹[1,2] 闫云章[1] 李国栋[1] 

机构地区：[1]山东大学控制科学与工程学院,山东济南250061 [2]济南大学信息科学与工程学院山东省网络环境智能计算技术重点实验室,山东济南250022

出　　处：《电子学报》2016年第1期143-149,共7页Acta Electronica Sinica

基　　金：国家自然科学基金(No.61203341;No.61075092);山东省自然科学基金(No.ZR2011FM011);山东省高等学校科技发展计划(No.J11LG01)

摘　　要：针对家庭辅助生活应用场景下的目标意图识别和异常行为判别问题,提出了一种基于目标轨迹的行为分析方法.首先,提出了关键点和关键区域的概念,将家庭环境划分为不同的关键点和关键区域,并以此来描述和区分不同轨迹;然后,提出了利用混合高斯模型的关键点及关键区域获取算法,将轨迹转化为关键点及关键区域表示,并以此为基础进行了行为意图的识别和部分异常轨迹的判断;最后,借助主成分分析的方法弥补混合高斯聚类在异常轨迹识别方面的缺陷,提高了识别准确率.实验表明,该方法能够有效的对行为意图和异常行为进行识别.In order to solve the problems of human motion intention recognition and abnormal behavior detection in home environment,a trajectory analysis based algorithm is discussed in this paper. Firstly,the home environment is divided into different key points and areas,so that the motion trajectory can be described by them. Moreover,based on mixture Gaussian model,the problems of motion intention recognition and abnormal behavior detection are analyzed. Finally,the PCA algorithm is applied to improve the accuracy of abnormal behavior detection. The experimental results showthe effectiveness and reliability of the above conclusions.

关 键 词：意图识别 异常行为检测 轨迹分析 混合高斯聚类 主成分分析 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]