视频行为识别综述.pdfVIP

第39卷第6期通信学报Vol.39No.6

2018年6月JournalonCommunicationsJune2018

视频行为识别综述

罗会兰，王婵娟，卢飞

（江西理工大学信息工程学院，江西赣州341000）

摘要：目前行为识别发展迅速，许多基于深度网络自动学习特征的行为识别算法被提出。深度学习方法需要大

量数据来训练，对电脑存储、运算能力要求较高。在回顾了当下流行的基于深度网络的行为识别方法的基础上，

着重综述了基于手动提取特征的传统行为识别方法。传统行为识别方法通常遵循对视频提取特征并进行建模和预

测分类的流程，并将识别流程细分为以下几个步骤进行综述：特征采样、特征描述符选取、特征预/后处理、描述

符聚类、向量编码。同时，还对评价算法性能的基准数据集进行了归纳总结。

关键词：行为识别；手动提取；深度网络；数据集

中图分类号：TP391

文献标识码：A

doi:10.11959/j.issn.1000-436x.2018107

Surveyofvideobehaviorrecognition

LUOHuilan,WANGChanjuan,LUFei

SchoolofInformationEngineering,JiangxiUniversityofScienceandTechnology,Ganzhou341000,China

Abstract:Behaviorrecognitionisdevelopingrapidly,andanumberofbehaviorrecognitionalgorithmsbasedondeep

networkautomaticlearningfeatureshavebeenproposed.Thedeeplearningmethodrequiresalargenumberofdatato

train,andrequireshighercomputerstorageandcomputingpower.Afterabriefreviewofthecurrentpopularbehavior

recognitionmethodbasedondeepnetwork,itfocusedonthetraditionalbehaviorrecognitionmethods.Traditionalbe-

haviorrecognitionmethodsusuallyfollowedtheprocessesofvideofeatureextraction,modelingoffeaturesandclassifi-

cation.Followingthebasicprocess,therecognitionprocesswasoverviewedaccordingtothefollowingsteps,feature

sampling,featuredescriptors,featureprocessing,descriptoraggregationandvectorcoding.Atthesametime,thebench-

markdatasetcommonlyusedforevaluatingthealgorithmperformancewasalsosummarized.