基于深度学习的人体行为识别检测综述

李 永， 梁起明， 杨凯凯， 郭少哲， 张友善

(1.武警工程大学信息工程学院， 西安 710086； 2.武警工程大学研究生大队， 西安 710086)

由于人机交互、智能安防等领域迫切的应用需求，人体行为识别检测近年来成为计算机视觉领域的研究热点之一。依据任务的性质划分，行为识别检测主要包括行为识别和行为检测两大部分。行为识别的主要任务是在已剪切视频中对正在进行的行为进行分类。行为检测的主要任务是在视频序列中检测出行为发生的时空位置，并对行为进行分类，主要包括时序行为检测和时空行为检测[1]。具体来讲，时序行为检测是指在包含背景片段的视频中准确定位行为发生的起止时间，并对行为进行识别；时空行为检测是指在包含背景片段的视频中准确定位行为发生的起止时间、在画面中标定行为主体的位置，并进行行为识别。

目前，对行为识别检测的总结和综述主要聚焦在行为识别领域，对行为检测的关注度较低。文献[2]对早期的行为识别数据集以及基准进行了总结，并介绍了2013年以前行为识别领域面临的困难和挑战。文献[3]重点对基于手动提取特征表示的行为识别方法进行了详细的综述。文献[4]对基于传统方法和基于深度学习方法的行为识别进行了概述，重点对基于不同输入内容与不同深度网络的行为识别方法进行了详细的总结和比较。文献[5]对基于手工特征及基于深度学习的行为识别方法进行了系统的总结，指出当前各种算法的缺陷和不足，并从性能和应用两个方面对基于深度学习的人体行为识别方法进行了展望。……