公开(公告)号：CN105931271B

公开(公告)日：2019-01-18

申请号：CN201610292431.9

申请日：2016-05-05

Applicant: 华东师范大学

Inventor： 孙仕亮 ,  戴海威 ,  赵静

IPC: G06T7/277

Abstract: 本发明公开了一种基于变分BP‑HMM的人的行为轨迹识别方法，包括：提取行为样本的特征，建立行为轨迹及其数据集；确定用于模拟行为轨迹的模型，所述模型采用变分BP‑HMM模型；初始化贝塔过程的先验超参数；利用所述先验超参数训练所述模型，得到训练后的变分BP‑HMM模型；基于所述训练后的变分BP‑HMM模型，利用最大似然法识别人的行为轨迹。本发明创建并使用了一种能够用于人的行为轨迹识别的变分BP‑HMM。本发明的变分BP‑HMM模型构建了一个特征选择矩阵，并能够自动地学习出这个特征选择矩阵。本发明同时推导了变分BP‑HMM的自我学习更新的过程，给出了详细的推导算法，并指导性的给出了识别方法。

公开(公告)号：CN105931271A

公开(公告)日：2016-09-07

申请号：CN201610292431.9

申请日：2016-05-05

Applicant: 华东师范大学

Inventor： 孙仕亮 ,  戴海威 ,  赵静

IPC: G06T7/20

Abstract: 本发明公开了一种基于变分BP‑HMM的人的行为轨迹识别方法，包括：提取行为样本的特征，建立行为轨迹及其数据集；确定用于模拟行为轨迹的模型，所述模型采用变分BP‑HMM模型；初始化贝塔过程的先验超参数；利用所述先验超参数训练所述模型，得到训练后的变分BP‑HMM模型；基于所述训练后的变分BP‑HMM模型，利用最大似然法识别人的行为轨迹。本发明创建并使用了一种能够用于人的行为轨迹识别的变分BP‑HMM。本发明的变分BP‑HMM模型构建了一个特征选择矩阵，并能够自动地学习出这个特征选择矩阵。本发明同时推导了变分BP‑HMM的自我学习更新的过程，给出了详细的推导算法，并指导性的给出了识别方法。