【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第2期 445-449页,共5页

【作 者】： 李炜

【摘 要】 研究休克病人图像识别问题，由于病人在休克、缺氧病态下，行为不受控制，行为特征随机性很明显，行为无明显可识别性变量。传统的人工智能识别算法应用到病人病态监测过程中，由于病人不可控动作干扰，使得识别过程存在大量虚假干扰动作，无法针对病人的行为进行有效判断病人状态，提出一种行为自动分类的病人多状态识别方法，采用混合高斯模型获取原始背景，通过Kalmn分类器针对病人的随机性行为变化及时更新背景图像，依据不同的行为病态特征获取相应的背景图像，对当前图像和背景图像进行差分分析，对获取的差分图像进行形态学处理，依据二值图中运动目标的特征，判断病人处于哪种危险状态，进而完成对病人多状态的准确识别。病人图像视频实验结果表明，改进方法能够及时检测出病人的危险状态，具有较高的检测精确度。