Reconocimiento de la acción humana en imágenes secuenciales de tiempo utilizando un modelo oculto de Markov

Se propone un método de reconocimiento de acción humana basado en un modelo oculto de Markov (HMM). Es un enfoque basado en características de abajo hacia arriba que se caracteriza por su capacidad de aprendizaje e invariabilidad en la escala de tiempo. Para aplicar HMM, un conjunto de imágenes secuenciales en el tiempo se transforma en una secuencia de vectores de características de imagen, y la secuencia se convierte en una secuencia de símbolos mediante la cuantización de vectores. Al aprender categorías de acción humana, los parámetros de los HMM, uno por categoría, se optimizan para describir mejor las secuencias de entrenamiento de la categoría. Para reconocer una secuencia observada, se elige el HMM que mejor se ajuste a la secuencia. Los resultados experimentales para imágenes secuenciales en tiempo real de escenas deportivas muestran tasas de reconocimiento superiores al 90%. La tasa de reconocimiento se mejora al aumentar el número de personas utilizadas para generar los datos de entrenamiento, lo que indica la posibilidad de establecer un reconocedor de acciones independiente de la persona.