陆卫忠，宋正伟，吴宏杰，曹 燕，丁漪杰 ，张 郁

(1.苏州科技大学电子与信息工程学院,江苏 苏州 215009;2.江苏省建筑智慧节能重点实验室,江苏 苏州 215009;3.苏州工业园区工业技术学校,江苏 苏州 215123)

1 引言

随着智能监控需求的不断提高，监控设备在学校、街道等人员密集区域被广泛部署，给人们的日常生活带来了安全性保障。在视频监控的处理过程中难免会遇到一些棘手的问题，而如何在海量的视频数据中实现人体行为检测则是一个关键问题[1]。人体行为检测方法是视频理解的一项关键技术，也是近年来计算机视觉领域的一个研究热点，备受国内外学者的关注，其核心是结合人工智能技术、计算机视觉和模式识别等多领域知识实现对视频图像中人体运动的智能分析。

人体的行为检测要求对人的行为具备一定的认知与理解能力，便于检测其内在的异常事件。随着拍摄设备的智能化发展，视频图像也呈现多样化趋势。采集的行为数据中视频图像种类从黑白视频的USC行人检测USCD (USC pedestrian Detection)[2]数据集等变为手势识别数据集[3]，从行为识别数据集UCF101[4]发展成携带距离信息的RGB-D数据集[5]。传统的行为检测方法大多采用人工提取特征的方法，借助检测器从视频图像中寻找兴趣点，然后针对兴趣点周边空间，利用算子进行特征建模，最后将特征输入到分类器，输出分类结果。这类方法不仅过程复杂，而且识别的准确率较低。而近年来，深度学习[6]在目标检测、语音识别等领域展现了其独特的魅力。……