一种基于多观测变量HMM模型的人体动作分类识别方法.pdf

本发明属于人体动作分类识别技术领域,具体是涉及一种基于多观测变量HMM模型的人体动作分类识别方法。本发明的方法首先从人体雷达回波数据的微多普勒图中提取人体微多普勒信号的上、下包络和人体躯干的多普勒频率变化序列,作为HMM模型的三个观测变量,通过矢量量化,离散化观测变量的状态量。利用HMM模型的隐状态呈现出人体微多普勒信号上下包络和躯干频率变化的内在关系,并通过模型隐状态变量的马尔可夫性来表征运动人体状态变化的随机性,从而改善后续人体动作的分类性能,实验结果验证了该方法的有效性。