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

朱煜1赵江坤1王逸宁1郑兵兵1

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（Convolution neural network，CNN）、独立子空间分析（Independent subspace analysis，ISA）、限制玻尔兹曼机（Restricted Boltzmann machine，RBM）以及递归神经网络（Recurrent neural network，RNN）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.

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，2016，42（6）：848-857

基于机器视觉的人体行为识别是将包含人体动作的视频添加上动作类型的标签.近年来，随着视频采集传感器及信息科学技术的不断发展，这方面的研究在视频监控、人机接口、基于内容的视频检索等方面逐渐成为一个具有广泛应用前景的研究课题.自动化监控对生产生活产生很大的影响，可以应用在商场、广场以及工业生产的监控中；……