人体行为识别研究综述

作者：裴利沈; 刘少博; 赵雪专

来源：计算机科学与探索, 2021, 1-23.

• 人体行为识别
• 深度学习
• 神经网络
• 行为数据集

行为识别是计算机视觉领域意义重大的热点研究问题，它经历了从手工设计特征表征到深度学习特征表达的发展过程。本文从传统行为识别模型和深度学习模型两个方面，对行为识别发展历程中产生的主流算法进行了归类梳理。传统行为识别模型主要包括了基于轮廓剪影、时空兴趣点、人体关节点、运动轨迹的特征描述的方法，其中，改进的密集轨迹方式拥有良好的鲁棒性和可靠性；深度学习网络架构主要有双流网络、3D卷积网络和混合网络。首先，我们重点阐述了各行为识别算法的主要研究思路与创新点，并介绍了每类算法的模型架构、算法特色、适用情境等。然后，对广泛使用的公共行为数据库进行了分类阐述，着重对HMDB51和UCF101数据集进行了详细介绍，比较分析了传统方法和深度学习算法在各数据集上的识别效果。通过对比分析发现，传统方法不适用于高精细行为的识别，且不易实现跨数据库或跨场景的推广；深度架构中，双流网络和3D卷积网络获得了比较好的行为识别效果且被广泛使用。最后，在结论中对行为识别的未来发展进行了展望，指出了若干将来可行的研究方向。

• 单位
  河南财经政法大学; 郑州航空工业管理学院