基于改进头脑风暴优化算法的隐马尔可夫模型运动识别
杨玉婷
段丁娜
张欢
夏顺仁
1.浙江大学生物医学工程教育部重点实验室,浙江杭州310027;浙江省心脑血管检测技术与药效评价重点实验室,浙江杭州3100272.浙江大学生物医学工程教育部重点实验室,浙江杭州310027;浙江省心脑血管检测技术与药效评价重点实验室,浙江杭州3100273.浙江大学生物医学工程教育部重点实验室,浙江杭州310027;浙江省心脑血管检测技术与药效评价重点实验室,浙江杭州3100274.浙江大学生物医学工程教育部重点实验室,浙江杭州310027;浙江省心脑血管检测技术与药效评价重点实验室,浙江杭州310027
摘要：目的 克服隐马尔可夫模型(hidden Markov model,HMM)训练过程中易陷入局部最优问题,提高基于HMM的人体运动识别准确率.方法 提出一种基于带差分步长的头脑风暴优化(brain storm optimization with differential step,BSO-DS)算法来改进HMM训练过程的方法,进而利用该方法对实际人体运动视频进行运动识别,并将结果与经典的基于Baum-Welch (BW)算法的HMM识别结果进行比较分析.结果 本文所提方法在解决HMM训练问题时,可以得到更大的log-likelihood值,所得到的HMM可以更好地表达训练数据,其运动识别准确率达到92.2％,较BW算法有较大提升.结论 BSO-DS算法可以有效搜索全局最优,更好地解决HMM的训练问题,同时提升了运动识别准确率,为人体运动分析提供了新思路.
关键词：运动识别头脑风暴优化算法隐马尔可夫模型训练
分类号：R319(医用一般科学)R857(航空航天医学)
资助基金：国家自然科学基金(81101903)国家自然科学基金(61273367)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息