基于混合高斯隐马尔科夫模型(GHMM)的轨迹识别中,关键的问题是运动对象轨迹的有效获取,以及基于这些轨迹的健壮表示和建模,然后根据模型来识别轨迹。本文以视频运动对象轨迹识别为技术目标,从低层视频分析技术开始,系统研究了轨迹识别框架下的目标检测、跟踪和轨迹建模与识别算法,重点研究了轨迹建模与识别,采用混合高斯隐马尔科夫模型对获取的轨迹进行建模。为了降低特征空间的维数,减少计算量,把轨迹用参数函数的形式表示成一条曲线,在曲率变化最大的点处分割轨迹为一些相似的极小单元,称其为子轨迹,用它们的主成分分析(PCA)系数来表示该轨迹,用PCA系数来训练混合高斯隐马尔科夫模型,并且对运动目标轨迹进行识别。本文分析视频来自CAVIAR项目,是从固定摄像头获取的,对顾客在超市门口活动的轨迹进行识别,从而得知顾客的具体活动。我们把顾客的活动分为六类:从左到右,从右到左,从左边进去,从右边进去,从左边出来和从右边出来。具体实现过程分为以下几步:首先实现场景中人的检测和跟踪,并提取轨迹;然后用均值聚类法对轨迹聚类,把轨迹分为六类,对每类轨迹进行PCA系数表示;最后对每类轨迹建立GHMM,通过计算每个轨迹的识别率来验证模型的有效性。实验结果表明,基于PCA系数表示的GHMM有着很好的轨迹识别能力。通过与整个轨迹点为输入向量的GHMM识别比较,该方法不仅降低了特征空间维数,还提高了识别率。