杨 成 杨超宇 张鑫鑫

（安徽理工大学经济与管理学院 安徽淮南 232000）

目前随着行为识别的快速发展，认识和理解人类运动和行为逐渐成为计算机视觉领域的研究热点，提出了很多种基于深度神经网络的算法，行为识别一直是计算机视觉领域所研究的热点之一[1-2]。行为识别的两种基本方法，一种是手动提取有关特征，另一种是基于深度学习中神经网络自动提取有关特征，前者有着明显的局限性，后者有着很大的研究空间，为行为识别的进一步发展奠定了一个很好的基础。

Chua等人根据人体的形状特征，设计并计算出3个点分别代表人体的头部、上半身和腿部，然后利用3个点之间的距离和方向来表示人体的运动，确定动作类别[3]；Rougier C等人根据一个人在跌倒时，其行为在空间和时间上都会发生很大的变化，利用运动的历史图来探测大的运动行为，然后根据人体形态的特征，分析跌倒与行走的区别，最后区分行走与跌倒等行为[4]。Wang等人运用PCA网络识别人类的异常行为，即利用PCA深度学习网络提取人类行为特征，然后利用提取的特征训练线性支持向量机分类器，对跌倒等行为进行分类识别[5]。NunezMarcos等人是利用卷积神经网络来判断跌倒行为[6]。首先根据RGB计算光流图来表示运动信息，然后将得到的光流图引入到基于VGG-16的神经卷积网络中，得到用于训练分类器的特征向量，最后将表示动作行为的特征向量引入到由全连接层和Softmax层组成的网络中进行分类，然后确定相应的动作类别[7]。……