周啸辉,余 磊,何 茜,陈 涵,聂 宏,欧巧凤,熊邦书

(1.南昌航空大学 图像处理与模式识别江西省重点实验室,江西 南昌 330063；2.北爱荷华大学技术系,美国 爱荷华州 50614-0178)

1 引 言

人体行为识别是计算机视觉和模式识别领域的核心课题之一,目标在于识别图像或视频中人的行为[1]。对人体行为进行有效且精准地识别是许多智能服务的基础,在智能监控、智能家居、虚拟现实等诸多领域中具有重要的研究意义和广泛的应用价值,备受国内外学者的关注[2]。

近年来,红外成像系统以其受光照影响小、保护隐私的独特优势受到越来越广泛的关注,众多优秀学者对红外行为识别领域展开深入研究。Zhu等人[3]提出了一种随机采样结构,并建立统计特征空间；Hilsenbeck等人[4]利用霍夫森林提取时空域的整体通道特征；Tan等人[5]提出一种基于运动偏差图象的相位特征描述符,在受试者个体差异较大的情况下仍具有较高的识别精度；Liang等人[6]提出一种分段架构,利用子动作间关系,并结合异构信息融合和类隐私保护协同表示,在多个数据集上取得了不错的表现。上述方法主要通过手动提取特征,并制定相应的判决标准进行人体行为识别。然而,这些方法提取的特征往往不能准确表征人体实际行为,从而导致识别准确率较低。深度学习方法能自动提取有效特征,成为解决该问题的一种有效途径。

深度学习[7]是机器学习的一个分支,在视觉识别和自然语言处理等领域取得了突破性进展,也给红外行为识别带来了前所未有的发展。……