基于聚类神经网络的人体行为识别研究

本文提出了基于融合特征的聚类神经网络人体行为识别方法。采用了傅里叶描述子提取人体动作外形轮廓,利用外接矩形长宽比及变化率表征人体运动特征;提出了聚类分离度和紧密度相结合的Silhouette宽度,定义了训练参数目标误差为均方根误差RMS,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。