基于深度学习的人体行为识别算法综述.pdf

第42卷第6期自动化学报Vol.42No.62016年6月ACTAAUTOMATICASINICAJune2016基于深度学习的人体行为识别算法综述朱煜1赵江坤1王逸宁1郑兵兵1摘要人体行为识别和深度学习理论是智能视频分析领域的研究热点近年来得到了学术界及工程界的广泛重视是智能视频分析与理解、视频监控、人机交互等诸多领域的理论基础.近年来被广泛关注的深度学习算法已经被成功运用于语音识别、图形识别等各个领域.深度学习理论在静态图像特征提取上取得了卓著成就并逐步推广至具有时间序列的视频行为识别研究中.本文在回顾了基于时空兴趣点等传统行为识别方法的基础上对近年来提出的基于不同深度学习框架的人体行为识别新进展进行了逐一介绍和总结分析;包括卷积神经网络(ConvolutionneuralnetworkCNN)、独立子空间分析(IndependentsubspaceanalysisISA)、限制玻尔兹曼机(RestrictedBoltzmannmachineRBM)以及递归神经网络(RecurrentneuralnetworkRNN)及其在行为识别中的模型建立对模型性能、成果进展及各类方法的优缺点进行了分析和总结.关键词行为识别深度学习卷积神经网络限制玻尔兹曼机引用格式朱煜赵江坤王逸宁郑兵兵.基于深度学习的人体行为识别算法综述.自动化学报201642(6):848−857DOI10.16383/j.aas.2016.c150710AReviewofHumanActionRecognitionBasedonDeepLearningZHUYu1ZHAOJiang-Kun1WANGYi-Ning1ZHENGBing-Bing1AbstractHumanactionrecognitionisanactiveresearchtopicinintelligentvideoanalysisandisgainingextensiveattentioninacademicandengineeringcommunities.Thistechnologyisanimportantbasisofintelligentvideoanalysisvideotagginghumancomputerinteractionandmanyotherfields.Thedeeplearningtheoryhasbeenmaderemarkableachievementsonstillimagefeatureextractionandgraduallyextendstothetimesequencesofhumanactionvideos.Thispaperreviewsthetraditionaldesignofactionrecognitionmethodssuchasspatial-temporalinterestpointintroducesandanalyzesdiffere