-
题名基于视觉的人体行为识别算法研究综述
被引量：22
- 1
-
-
作者
陈煜平
邱卫根
-
机构
广东工业大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第7期1927-1934,共8页
-
基金
国家自然科学基金资助项目(61572142)
广东省科技计划资助项目(14ZK0180)
-
文摘
主要讲述人体行为识别的基础流程,归纳了人体行为识别常用的数据集,总结了时域分割的发展现状和常用的方法,讲解了人体行为识别比较经典的方法,并归纳了人体行为识别最新、最热的深度学习方法。引入了动作分割,再结合行为识别,能够实现连续的人体行为识别,使得行为识别适用于实际场景,而不再是对经过人工剪辑好的单个视频进行识别,这在实际应用中意义重大。
-
关键词
人体行为识别
数据集
动作分割
深度学习
双流网络
-
Keywords
human action recognition
data set
motion segmentation
deep learning
two-stream network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名人体行为识别方法研究综述
被引量：30
- 2
-
-
作者
梁绪
李文新
张航宁
-
机构
兰州空间技术物理研究所
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第3期651-660,共10页
-
文摘
随着计算机视觉不断发展,人体行为识别在视频监控、视频检索和人机交互等诸多领域中展现出其广泛的应用前景和研究价值。人体行为识别涉及到对图像内容的理解,由于人体姿势复杂多样和背景遮挡的因素导致实际应用的进展缓慢。全面回顾了人体行为识别的发展历程,深入探究了该领域的研究方法,包括传统手工提取特征的方法和基于深度学习的方法,以及最近十分热门的基于图卷积网络(GCN)的方法,并按照所使用的数据类型对这些方法进行了系统的梳理;此外,针对不同的数据类型,分别介绍了一些热门的行为识别数据集,对比分析了各类方法在这些数据集上的性能。最后进行了概括总结,并对未来人体行为识别的研究方向进行了展望。
-
关键词
计算机视觉
人体行为识别
深度学习
图卷积网络
数据集
-
Keywords
computer vision
human action recognition
deep learning
GCN
data set
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名人体动作数据集的大容量快速存储算法仿真
被引量：1
- 3
-
-
作者
张英
-
机构
青岛大学体育学院
-
出处
《计算机仿真》
北大核心
2019年第11期436-440,共5页
-
基金
山东省自然科学基金(2016CDZ088)
-
文摘
传统存储方法容易忽略大容量人体动作数据集的冲突问题,造成节点失效,且存储质量不高、存储容量低,提出一种人体动作数据集的大容量快速存储算法。采用链地址法建立哈希表,通过扩展哈希编码的方式扩展存储节点,在扩展节点条件下,通过人体动作数据集存储使用强度与节点传输概率完成人体动作数据节点传输匹配。根据匹配结果,将节点划分为不同的存储级别,按照人体动作数据存储系统中的硬件存储容量以及数据集具体情况,将不同级别存储节点分割成若干阈值级别,避免节点失效,完成大容量人体动作数据集存储。实验结果表明,所提方法存储速度快,整体性能强,在存储人体数据应用中具有较高可用性。
-
关键词
人体动作数据集
快速存储
链地址
哈希法
多阈值
-
Keywords
human action data set
Fast storage
Chain address
Hash method
Multiple threshold
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
