基于多层隐马尔可夫模型的室内群体活动识别

基于图像数据处理的群体活动（GA）发现与识别在持久监视系统中具有重要应用，而此类系统在部分互联网服务中发挥着重要作用。该过程涉及对具有时空关联的序列图像数据进行分析。视频图像的判别需要一种恰当的推理系统，能够区分并辨别内聚观测，并将其与已知本体相互关联。我们提出一种基于本体的群体活动识别（GAR）方法及恰当的推理模型，能够识别并分类群体活动中的事件序列。为识别不同抽象层次的 GA，提出了一种多层隐马尔可夫模型（HMM）。该多层 HMM 由 N 层 HMM 组成，每层包含 M 个并行运行的 HMM。层数取决于待提取信息的阶次。在每一层，模型通过匹配与关联所检测群体事件的属性，试图将感官观测与已知本体感知相联系。本文展示并比较了三种不同 HMM 实现方式，即拼接式 N-HMM、级联式 C-HMM 与混合式 H-HMM，用于构建有效的多层 HMM。