基于RBF神经网络的人体行为识别技术研究

本文提出了基于聚类RBF神经网络人体行为识别方法。采用背景差分法检测人体轮廓特征,Meanshift粒子滤波自适应算法跟踪人体运动特征,跟踪对颜色和纹理特征的特征融合方式进行了改进;采用了傅里叶描述子选取人体动作外形轮廓,利用人体运动速率表征人体运动特征;提出了结合聚类分离度和紧密度的Silhouette宽度,定义了均方根误差RMS为训练参数目标误差。实验表明,改进的算法提高了人体行为的识别率,具有较好的实用价值。