首页|基于连续密度隐马尔可夫模型的矿下异常行为识别算法

基于连续密度隐马尔可夫模型的矿下异常行为识别算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Algorithm for identifying abnormal behavior in underground mines based on continuous density hidden Markov model

王淑敏、陈伟

展开 >

哈尔滨工程大学 经济管理学院,哈尔滨 150001

计算机应用 连续密度 马尔可夫模型 矿下异常 识别

国家社会科学基金国家社科基金一般项目国家自然科学基金

17CSH01619BJL00861371178

2021

10.13229/j.cnki.jdxbgxb20200160

吉林大学学报(工学版)
吉林大学

吉林大学学报(工学版)

CSTPCDCSCD北大核心
影响因子：0.792
ISSN：1671-5497
年,卷(期)：2021.51(3)
  • 1
  • 11