葛鹏花，智 敏

(内蒙古师范大学 计算机科学技术学院，内蒙古 呼和浩特 010022)

0 引 言

人体动作识别是计算机视觉领域一个重要的研究方向，但由于人体动作比较复杂利用深度学习方法对人体动作进行识别仍然具有一定的挑战[1]。目前基于深度学习的人体动作识别方法主要是以CNN[2,3]、RNN[4,5]为基本框架或者两者相结合[6,7]，并且取得了显著的成绩，文献[6]提出将视频建模为一个有序的帧序列，在CNN的输出端与LSTM相连以提取动作时序特征；文献[7]通过对输入信息和未来预测的信息相结合学习高级特征；文献[8]中提出双流CNN，对于视频图像和密集光流分别训练CNN两个分支，然后对两个分支的成绩进行融合得到分类结果；为了更好地利用时空信息，文献[9]提出了多个用于视频片段的时空融合方法；文献[10]通过构建长时间卷积网络进行评估实验，提高了动作识别的准确性。

大多数方法由于缺少来自交互对象的信息，在识别一些动作序列比较相似的任务中，识别结果还有待提高。为了改善视频中人体动作识别精确度，提出了基于推理网络的人体动作识别算法，主要创新点如下：①结合物体信息辅助视频动作识别；②改进Faster RCNN框架，通过加入LSTM指导下一时刻的边框回归以及提取人与物体的上下文信息从而对动作更精确的分类。

1 相关工作

在静态图像中目前有两种类型的上下文信息模型用于检测[11]。第一种类型是捕捉对象-对象间关系[11]，第二种类型包含围绕对象或场景上下文的信息[11-14]。……