基于连续密度隐马尔可夫模型的矿下异常行为识别算法

摘要：

针对当前方法识别精度不高的问题,提出了基于连续密度隐马尔可夫模型的矿下异常行为识别算法.获取待识别矿下视频帧数据,通过级联分类器实现运动区域的初步检测,并读入下帧数据,直到所有帧检测完毕.引入连续密度隐马尔可夫(HMM)模型,将人体图像分解成若干相等区域,获取图像区域中的标准差值特征,对连续密度HMM进行训练,完成异常行为识别.实验结果证明,本文算法的识别结果具有精度高和检测率高的特性,说明其具有可靠性.

关键词：计算机应用、连续密度、马尔可夫模型、矿下异常、识别

所属期刊栏目：51

分类号：TP39;TD76(计算技术、计算机技术)

资助基金：国家社会科学基金;国家社会科学基金;国家自然科学基金

在线出版日期：2022-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1067-1072