邓淼磊，高振东，李 磊，陈 斯

河南工业大学 信息科学与工程学院，郑州 450001

随着计算机技术的快速发展，基于视频智能分析的人体行为识别技术得到了广泛的应用。在公共安全领域[1]，通过行为识别技术可以检测打架斗殴、持刀抢劫等违反治安法的暴力行为，尽可能减少因此所造成的人员伤害和财产损失；在智慧交通领域[2-3]，通过行为识别技术可以自动判别如行人/车辆闯红灯、驾驶员不安全驾驶等交通违法行为，保障人们出行安全；在医疗监护领域[4-5]，通过该技术可实现对患者的实时监控和意外跌倒检测等，确保患者能够得到及时治疗和帮助；在安全生产领域[6]，可以实现对生产作业全过程的实时监测，对作业生产过程中出现的可能导致安全隐患的行为及时报警，确保作业生产在安全可控范围内进行，保障人员的人身安全和财产安全。由此可见，基于视频分析的人体行为识别技术与人们的生产生活安全息息相关，对其的研究具有深远的意义。

基于视频分析的行为识别任务需建立动作、姿态样本库，并对所设计模型进行训练，以实现对视频中行为的分类。根据特征提取方式的不同，行为识别可划分为传统方法和深度学习方法。传统方法依赖手工对特征提取，由于早期样本库数据量小，场景简单，动作单一，传统方法可以满足一定的需求。但随着视频监控技术的普及，应用场景变得越来越复杂，使用传统方式提取的视频特征在识别准确度上已无法满足实际需求，视频监控的实际价值难以得到充分利用。……