视频中人体行为识别的时序建模算法的分析

李韵 邓晓军 李涛哲 贺迅宇

摘要：目前人体行为识别是视频分析领域的研究热点，准确有效的人体行为识别的关键是动作时序建模和特征表示。该文归纳了人体行为识别常用的数据集，对人体行为识别表示方法进行了全面的回顾，并介绍了人体行为识别研究的最新方法，包括RGB和深度数据中手工设计的动作特征的进展，基于深度学习的时序表示方法的最新进展及当前研究的热点。最后总结了目前待解决的问题，对未来行为识别可能的发展方向进行了论述。

关键词：人体行为识别;深度学习;动作特征表示;数据驱动;视频分析

1引言

人体行为识别具有广泛的应用，例如智能視频监控、视频存储和检索、医疗康复、人机交互等。人体行为识别根据采集到的视频时间序列数据来分析，在计算机视觉和机器学习领域，这也是一个具有挑战性的问题。目前，人体行为识别中有许多关键问题尚未解决。

视频是时域上有序图像的集合，其独有的时域相关性可以缩小很多视觉问题的搜索空间，鲁棒的人体动作建模和特征表示是人体行为识别的关键，也是视频领域和机器学习中的经典问题，图1是动作识别的原理框图。近年来，已经提出了多种时序建模方法，包括基于关键点跟踪的轨迹特征，基于时空变化的局部和全局特征提取，基于深度信息的运动变化等。传统的表示依赖人工设计，通用性差，近年新兴的深度学习则能实现一定程度的自动学习，许多研究人员也将深度学习应用于视频领域人体行为识别。……