刘锁兰，顾嘉晖，王洪元，张云鹏

常州大学，信息科学与工程学院，江苏 常州213164

人体行为识别（human action recognition）是计算机视觉及机器学习方面的热门研究领域。它在对视频中的人类行为进行运动分析、行为识别乃至延伸至人机交互领域都有着非常广泛的应用。研究初期，人体行为识别主要是以基于静态图像为研究对象。通过提取静态图像中的人体动作特征并对动作进行分类。然而仅基于静态图像来进行识别人体行为的局限性在于人体行为是连续、动态的，单凭一张静态图像无法进行判断识别。而基于视频为研究对象，可以将视频看作连续静态图像的时间序列。近两年，很多基于视频为对象的人体行为识别取得了不错的成果，例如，Gao等人[1]以多视角的视频为基础开发出了一种自适应融合和类别级词典学习模型。除此之外，Akula等人[2]以红外图像为对象提出了一种用于人类动作识别的深度学习方法。因此本文选用基于视频为研究对象。

在通常情况下，人体行为识别有着例如外观、光流、身体骨骼和深度等多种模态[3-7]，人们可以通过这些模态建模并传达重要信息进而实现人体行为识别。近几年，比较热门的深度领域有着很多的成果，Kamel 等人[8]利用使用卷积神经网络从深度图和姿势数据中进行人体行为识别。Ji等人[9]利用深度图来将骨骼信息嵌入从而达到对人体进行分区的目的，以及Zhao等人[10]提出了一种贝叶斯分层动态模型用于人类动作识别也取得了不错的效果。……