李君君，张彬彬，江朝晖

(合肥工业大学 计算机与信息学院，合肥230601)

0 引 言

行为识别技术是近年来计算机视觉研究领域被广泛关注的技术，受到国内外专家学者的广泛重视和深入研究，其相关技术在智慧监控、人机交互、视频序列理解、医疗卫生等领域发挥着越来越重要的作用。目的是通过研究人体在视频中的图像帧或图像序列的时空变化，利用计算机处理和分析视觉信息，自动识别出视频中的行为模式。由于人体行为类别多样，复杂多变的背景，视频视角的差异性等问题，网络模型难以鲁棒、准确对真实的视频行为动作进行辨别，因此行为识别亟待研究工作者深入地开展研究工作。

现有的深度学习模式对特征提取模型的训练多采用端到端的模式，使用训练好的神经网络模型参数去学习视频的显著特征，对行为进行分类识别。一些早前的相关研究工作主要专注于利用卷积神经网络（CNN）来学习视频帧连续序列中蕴含的行为的深度特征。主流的CNN网络模型包括双流结构的一系列的模型和3DCNN模型。然而，卷积神经网络通常有两个缺点:

（1）假设卷积计算的几何变换是固定的和已知的，一般是使用这些先验知识，来做数据的增强工作并且设计特性和算法，但是这种默认的规则，会导致算法不能对未知几何变换的新任务进行有效泛化，会导致任务建模的不正确或不恰当；

（2）相对更加复杂的变换来说，即使已经知道其固定的特征和算法，也难以用手工的方式进行设计［1］。……