胡 凯，陈 旭，朱 俊，高陈强

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

行为识别是指从一段未知的视频中自动分析正在发生的感兴趣行为，是计算机视觉研究领域的一项极其重要且困难的研究任务。其研究成果可以广泛应用于智能监控系统、海量视频检索、机器人视觉、非法视频检测等领域[1]。到目前为止，研究人员已经提出了各种行为识别方法，取得了较大的进步，然而，该技术离实际应用还有一段距离。主要原因是行为识别面临诸多挑战：①视频视角变化、相机移动和背景干扰；②行为定义复杂、视频复杂多样；③数据规模大、硬件资源有限。

早期行为识别算法大多运用描述子对不同图像的纹理信息、视觉形态和多个连续图像之间的运动信息等设计手工特征，然后利用这些人工设计特征区分不同的行为。常用的描述子有时空兴趣点特征(spatial-temporal interest point, STIP)[2]、方向梯度直方图(histogram of oriented gradient, HOG)[3]和运动边界直方图(motion boundary histogram, MBH)[4]等，其中，H.Wang等[5]提出改进的密集轨迹(improved dense trajectories, iDT)是这类算法中最优秀的算法。iDT从视频帧的密集采样特征点开始，用光流跟踪，对每个跟踪器沿着轨迹提取不同的手工制作特征。尽管该方法具有良好的性能，但它的计算非常耗时，并且在大规模数据集上变得难以处理。

近年来，卷积神经网络(convolutional neural network, CNN)[6]因其良好的容错能力、并行处理能力和特征表达学习能力被广泛应用于图像处理[7]、人脸识别[8]和人体姿态估计[9]等任务中，且取得了巨大成功。与计算机视觉的其他领域一样，行为识别最近的工作主要是通过应用卷积神经网络来完成这项任务。……