提出了智能视频监控中基于机器学习的自动人数统计系统。。该系统通过机器学习的方法对视频序列中人的头肩部位进行准确地检测。克服了传统检测方法如连通域分析和简单模板匹配的不足。-Automatic people counting system based on machine learning in intelligent video surveillance. . The system through machine learning methods to accurately detect the

感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个

实现了图像的灰度化并进一步用于视频监视控，BP神经网络用于函数拟合与模式识别，用于建立主成分分析模型。- Achieve a grayscale image and further control for video surveillance, BP neural network function fitting and pattern recognition, Principal component analysis model for establishing.