English
A GM-HMM Based Abnormal Pedestrian Behavior Detection Method
文件大小：
725k
资源说明：标题《基于GM-HMM的异常行人行为检测方法》所涉及的知识点包括了计算机视觉领域内异常行为检测的研究，具体来讲就是如何利用视频监控系统来识别异常行人的行为。这种研究具有广泛的应用前景，特别是在智能视频监控领域。研究者们提出了一个基于动态HOG特征和高斯混合隐马尔可夫模型（GM-HMM）的算法，用于检测视频监控中的异常行人行为。
描述中提到的Motion-HOG（动态方向梯度直方图）和GM-HMM是检测方法的核心技术。Motion-HOG具有提取行人运动特征的优势，而GM-HMM则能够很好地建模正常的行人行为模式。在实验部分，作者比较了不同类型的特征和HMMs，结果显示他们提出的方法准确度最高可达0.837，从而证明了他们方法的有效性。
在智能视频监控的研究背景下，异常行为检测是降低安全人员工作强度，有效发现意外事件的重要手段。在环境适应性方面，该方法适用于室内环境，其预设场景下，如行人正常行为是直立行走，而跌倒、跑步、跳跃等行为则被视为异常行为。
在技术实现上，异常行人行为的检测模型首先需要建立一个正常行为的基准模型。由于很难准确描述什么是“正常行为”，研究者们采用了一种统计的方式来定义：如果某种行为与大多数行人的行为一致，则被认为是一种正常行为。
在相关工作回顾（Related Works）部分，讨论了随着信息技术的发展，视频监控技术在人们生活中无处不在。特别是在警务工作中，异常行人行为检测是视频监控的一个重要研究领域。该部分可能涉及了此领域内的前人工作以及它们各自的特点和局限性。
综合文件所提供的信息，研究者们采用了一种基于动态HOG特征提取和GM-HMM的建模方法，该方法能够有效地识别视频监控中的异常行人行为，具有较高准确度。通过对正常行为的统计定义以及在室内环境中进行行为异常的判定，进一步展示了该方法的实用性和有效性。整体上，该研究展示了计算机视觉技术在智能视频监控中的应用潜力，同时也为未来相关研究提供了理论和实验基础。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
