第5卷第1期 智能系统学报 Vol.5 No.1 2010年2月 CAAI Transactions on Intelligent Systems Feh.2010 doi:10.3969/j.issn.16734785.2010.01.009 家庭智能空间下基于场景的人的行为理解 田国会，吉艳青，李晓磊 (山东大学控制科学与工程学院，山东济南250061) 摘要：为了更好地在日常生活中给人提供智能化服务，对家庭环境下人的行为理解问题进行了研究.首先利用运 动目标检测方法提取运动人体在环境中的坐标，然后结合行为特点把场景划分成不同区域，建立人体在环境中的位 置关联矩阵和时空关联矩阵.通过马尔可夫模型统计出人体在空间中的位置状态转移概率矩阵及其状态持续时间 矩阵，生成日常行为模板.根据当前行为与日常行为模板的相似度可检测出反常习惯和突发异常行为，同时可根据 不同区域的行为模式分析人的意图.在智能空间平台下利用机器视觉技术基于场景信息实现了人的行为理解，并通 过实验表明了方法的有效性。 关键词：智能空间；机器视觉；场景信息；行为理解；异常检测；意图识别 中图分类号：TP391文献标识码：A文章编号：16734785(2010)010057-06 Human behaviors understanding based on scene knowledge in home intelligent space TIAN Guo-hui,JI Yan-qing,LI Xiao-lei (School of Control Science and Engineering,Shandong University,Ji'nan 250061,China) Abstract:Challenges in understanding human behavior in a home environment were studied in order to provide more intelligent services.First,spatial coordinates of human bodies were extracted from motion detector data. Then,by dividing the environment into different stations and observing the types of behavior typical at various peri- ods of time in that area,a station-based occupational matrix with a time dimension was established.After establis- hing the station state transitional probability matrix and the state duration time distribution matrix based on the Markov model,a daily behavioral template was constructed.Behavior outside of normal habits as well as behavior resulting from unexpected accidents could be detected in real-time by comparing the similarity of current behavior with templates showing typical daily behavior.At the same time,human intention could be predicted based on be- havior patterns typical in different areas.In this way,better understanding of human behavior becomes possible. The effectiveness of this method was proved by experiments. Keywords:intelligent space;machine vision;scene knowledge;behavioral understanding;anomaly detection;in- tention recognition 家庭服务机器人「设计的主要目标之一就是 比较.这类方法计算复杂度低、实现简单，但是对噪 能通过观察人的行为，正确理解人的意图，对病人、声和运动时间间隔的变化敏感.第2类，基于模型的 老人和小孩等进行监护.因此，行为理解是服务机器 方法[78]，该方法先采用人体2D或3D模型得到每 人为人提供服务的基础.现有的大部分行为理解方 一帧视频中的人体姿势，然后利用随时间变化的姿 法都是基于单一的机器视觉24.其方法主要有3 势来描述不同动作.该方法准确度高，但是计算量 类：第1类，基于时空特征的模式分析方法56，该方 大，对设备要求高，实时性差.第3类，基于图像统计 法首先将提取人体区域图像序列转换为一组静态形 处理的方法9]，主要是提取动作的关键帧图像特 状模式，然后在识别阶段和预先存储的行为样本相 征，进行训练和识别.这类方法能很好地识别固定的 收稿日期：2008-11-22. 姿态或者简单的动作。 基金项目：国家高技术研究发展计划重点资助项目(2006AA040206) 家庭环境下拍摄的图像背景杂乱，人体姿态复 通信作者：田国会，E-mail:g.h.tian@du.ed血，cn. 杂，衣着颜色风格各异，运动的时间间隔变化多端，因