席志红，冯宇

哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001

随着计算机视觉和人工智能领域的不断发展，越来越多的先进设备投入到人们的生产生活当中，给人们带来了巨大的便利。人体行为识别是计算机视觉领域的重要分支，该技术在视频监控、医学健康、智能家居、体育运动以及虚拟现实等领域应用极其广泛。传统的行为识别方法采用时空兴趣点[1](space-time interest points，STIP)表示人体局部时空特征进行姿态识别。Wang 等[2]将加速健壮特征 (speeded-up robust features，SURF)与光流特征结合，提出改进密集轨迹算法进行人体姿态识别。由于传统的识别方法大部分需要人工提取特征，所以较为耗时耗力。随着2012 年Hinton 等[3]提出深度卷积神经网络，不少研究人员把目光转向了卷积神经网络。Ji 等[4]首次提出基于3D 卷积网络结构的人体姿态识别方法。Tran 等[5]提出了C3D网络，通过系统化地研究找到了3D 卷积最合适的时序卷积核长度。丁红等[6]提出基于DBN 深度信念网络的人体行为检测系统。韩雪平等[7]则将人体局部信息与全局信息相结合提升整体识别率。黄潇逸[8]提出一种骨骼关节点投影特征并采用支持向量机进行分类识别。叶青等[9]采用3D 卷积层搭建DenseNet 来提高网络中的特征利用率。M.Kocabas 等[10]提出一种3D 人体姿态估计的自我监督学习方法。Li 等[11]提出动态尺度图神经网络(dynamic multiscale graph neural networks，DMGNN)来预测基于3D 骨骼的人体运动。Zhang[12]提出了一种上下文感知图卷积网络(CA-GCN) 用于骨骼的人体姿态识别。由于C3D 网络能直接提取时空特征，并且结构由3D 卷积层和3D 池化以及全连接层简单堆叠而成，所以结构比较简单，广泛用于视频的人体行为识别研究[5]。……