基于抽象隐马尔可夫模型的运动行为识别方法.pdf

第22卷第3期模式识别与人工智能Vol.22No.3
2009年6月PR&AIJun2009

基于抽象隐马尔可夫模型的运动行为识别方法3

钱堃马旭东戴先中

(东南大学自动化学院复杂工程系统测量与控制教育部重点实验室南京210096)

摘要对人行为的感知和分析是家庭监护服务机器人系统中的关键环节.本文在概率框架下提出一种基于抽象
隐马尔可夫模型的人运动行为识别方法.室内环境中人的运动具有层次化特性且各层次具有抽象马尔可夫决策过
程的性质,因此采用具有级联形式的抽象隐马尔可夫模型建模人的运动.使用期望最大化算法分别学习抽象隐马
尔可夫模型的观测模型和状态转移模型,采用具有较高计算效率的Rao2blackwellised粒子滤波近似推理方法识别
人运动的时空序列.实验数据采用视觉跟踪与定位系统获得的人体运动轨迹,运用该法训练并识别多种室内运动
模式,结果证明本文方法的有效性.

关键词隐马尔可夫模型,运动估计,期望最大化(EM)算法,近似推理,运动行为识别
中图法分类号TP24

MotionActivityRecognitionBasedonAbstractHiddenMarkovModel

QIANKun,MAXu2Dong,DAIXian2Zhong
(KeyLaboratoryofMeasurementandControlofComplexSystemsofEngineering,MinistryofEducation,
SchoolofAutomation,SoutheastUniversity,Nanjing210096)

ABSTRACT

Recognitionofhumanmotionactivityisessentialinhome2careroboticsystems.Inthispaper,a
probabilisticapproachisproposedforhumanmotionactivityrecognitionbasedontheabstracthidden
Markovmodel(AHMM).TheAHMMisawell2suitedhierarchicalmodelforrepresentinggoal2directed
motionsatdifferentlevelsofabstraction.Inthismodel,thedecisionmakingprocessofagentis
equivalenttoanabstractMarkovdecisionprocess(MDP).Amodellearningmethodispresentedbased
onexpectation2maximizationalgorithmtolearntheobservationmodelandthetransitionmodelrespectively.
Moreover,approximateinferenceoftheAHMMisachievedbyusingRao2blackwellisedparticlefiltersand
therebyitenablesefficientcomputationinrecognizingmotionpatterns.Usingtrajectoriesderivedfroma
visualtrackingsystem,severalindoormotionpatternsarerecognized.Experimentalresultsvalidatethe
goodperformanceoftheproposedapproach.

KeyWordsHiddenMarkovModel,MotionEstimation,Expectation2Maximization(EM)Algorithm,
ApproximateInference,MotionActivityRecognition

3国家863计划资助项目(No.2006AA040202,2007AA041703)
收稿日期:2008-03-24;修回日期:2008-08-04
作者简介钱堃,男,1982年生,博士研究生,主要研究方向为机器人视觉、模式识别.E2mail:[e-mail].马旭东,
男,1962年生,教授,主要研究方向为网络化机器人、分布式控制系统、实时系统软件.戴先中,男,1954年生,教授,博士生导
师,主要研究方向为复杂控制理论、机器人控制、电力系统控制、测量与信号处理.

©1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http://www.cnki.