【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第9期 419-423页,共5页

【作 者】： 甘玲 ; 陈頫

【摘 要】 研究人体行为分析优化问题,传统的人体行为分析方法受外部环境因素影响较大,识别率和稳定性较差.针对在复杂环境下人体行为的描述和识别的难点问题,利用人体点模型提出一种基于关节角度和隐马尔可夫模型（HMM）的人体行为分析方法.首先采用新型RGB-D传感器获取图像深度信息;然后通过随机决策森林完成人体部位分割和关节点位置标定,并建立人体三维骨架模型;最后借助HMM,通过计算关节角度对人体行为进行训练和识别.实验结果表明,改进方法在环境光照不稳定以及复杂背景的情况下,能够实现鲁棒的人体日常行为分析.对停止、走、跑、左转、右转五种日常行为识别,取得不错的识别效果.