人体行为识别
人体行为识别的相关文献在2005年到2022年内共计222篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文166篇、会议论文5篇、专利文献300731篇;相关期刊101种,包括人天科学研究、重庆邮电大学学报(自然科学版)、中国图象图形学报等;
相关会议5种,包括第17届全国图象图形学学术会议、第十七届中国虚拟现实大会暨虚拟现实与可视化国际会议(ChinaVR&ICVRV2017)、第六届中国计算机学会大数据学术会议等;人体行为识别的相关文献由583位作者贡献,包括唐超、曹峰、李伟等。
人体行为识别—发文量
专利文献>
论文:300731篇
占比:99.94%
总计:300902篇
人体行为识别
-研究学者
- 唐超
- 曹峰
- 李伟
- 王忠民
- 王晓峰
- 张良
- 张苗辉
- 李绍滋
- 王文剑
- 范勇
- 衣杨
- 高琳
- 姜莎莎
- 张鹏超
- 曹林
- 朱国刚
- 朱艺
- 李绘卓
- 李颀
- 欧阳寒
- 沈金龙
- 程石磊
- 童晓红
- 肖秦琨
- 衡霞
- 袁和金
- 解梅
- 顾佳良
- 丁文文
- 于凤芹
- 于清
- 任莹
- 何维
- 傅小康
- 冯宇
- 冯雪赟
- 刘东琳
- 刘亚恒
- 刘凯
- 刘智
- 刘颖
- 卢新彪
- 吴昱焜
- 吴有龙
- 周扬
- 周牧
- 周远文
- 姚旭
- 姜佩京
- 孙小华
-
-
徐鹏飞;
张鹏超;
刘亚恒;
呙生富
-
-
摘要:
针对三维卷积神经网络无法高效地提取时空特征,提出了一种基于SR3D网络的人体行为识别算法。首先,将三维残差模块的BN层和Relu激活函数放置在三维卷积层之前,更好地提取时空特征;然后,将改进的三维残差块和SE模块组合成SR3D模块,增加重要通道的利用率,提高了网络的识别率。在UCF-101和自制异常行为数据集上进行了大量实验结果表明,SR3D算法分别达到了47.7%和83.6%的识别率(top-1精度),与三维卷积网络(C3D)相比分别提高了4.6和17.3个百分点。
-
-
南静;
建中华;
宁传峰;
代伟
-
-
摘要:
提出一种基于近邻成分分析(Neighbourhood component analysis,NCA)、L_(2)正则化和随机配置网络(Stochastic configuration networks,SCNs)的轻量型人体行为识别学习模型.首先,针对人体行为特征集维数过高且可分性差的问题,利用NCA从特征集中选择高相关性特征子集,进而提高模型建模计算过程的轻量性和识别精度.其次,针对SCNs隐含层节点过多时容易出现过拟合的问题,采用L_(2)正则化方法增强SCNs的泛化能力,同时利用监督机制约束产生隐含层参数的方法,极大地提高了SCNs模型的轻量性.最后,将所提NCA−L_(2)−SCNs学习模型在UCI HAR特征集上进行验证,实验结果表明,相比于其他模型,本文所提轻量型模型对于人体行为识别具有更好的识别精度和更快的建模速度.
-
-
王璇;
王雄;
张向阳;
杨一;
贾浩强
-
-
摘要:
本文针对当前行为识别方法存在提取视频行为特征时信息利用不全面的问题,提出了基于骨架数据、多流和自适应图卷积神经网络的行为识别方法。三流自适应图卷积神经网络(3S-AGCN)针对人体骨架这一自然表示为图的数据结构形式,分别提取骨架图的关节点坐标、骨骼属性以及运动信息,实现了对骨架数据特征的充分提取。模型框架同时还引入了多注意力机制,分别从时间、空间和通道三个方向加强对重要信息的特征的提取能力。同时引入OpenPose算法首先提取人体骨架数据图再输入模型进行训练和识别任务,提高了模型在复杂环境下进行行为识别任务的鲁棒性。基于NTURGBD公共数据集,与当前先进方法的横向比较实验,结果表明3S-AGCN模型在行为识别任务上具有更高的准确率,验证了模型的可行性。
-
-
甄先通;
张磊
-
-
摘要:
人体行为识别随着智慧城市等应用的普及逐渐受到重视。视频中的人体行为的表现主要体现在随着运动出现的像素的动态变化,以及在时空平面和空间平面中呈现出的结构信息上。受此启发,提出了基于运动与结构特征嵌入的人体行为识别方法。首先采用运动历史图像在二维平面上呈现三维运动变化信息,并结合三维运动的X-T、Y-T、X-Y平面的投影,构成7个平面来体现人体行为的结构信息。其次,利用高斯金字塔和中心-环绕机制,充分模拟人眼对尺度变化以及边缘敏感的特性,并结合Gabor滤波器的方向敏感性和最大池化的激励鲁棒性,提取人体行为特征表示。最后,采用判别局部对齐分析降维。在IXMAS数据集和真实的UCF Sports数据集上的实验验证所提出方法的有效性。
-
-
裴利沈;
刘少博;
赵雪专
-
-
摘要:
行为识别是计算机视觉领域意义重大的热点研究问题,它经历了从手工设计特征表征到深度学习特征表达的发展过程。从传统行为识别模型和深度学习模型两方面,对行为识别发展历程中产生的主流算法进行了归类梳理。传统行为识别模型主要包括基于轮廓剪影、时空兴趣点、人体关节点、运动轨迹的特征描述方法。其中改进的密集轨迹方式拥有良好的鲁棒性和可靠性;深度学习网络架构主要有双流网络、3D卷积网络和混合网络。首先,重点阐述了各行为识别算法的主要研究思路与创新点,并介绍了每类算法的模型架构、算法特色、适用情境等。然后,对广泛使用的公共行为数据库进行了分类阐述,着重对HMDB51和UCF101数据集进行了详细介绍,比较分析了传统方法和深度学习算法在各数据集上的识别效果。通过对比分析发现,传统方法不适用于高精细行为的识别,且不易实现跨数据库或跨场景的推广;深度架构中,双流网络和3D卷积网络获得了比较好的行为识别效果且被广泛使用。最后,对行为识别的未来发展进行了展望,指出了若干将来可行的研究方向。
-
-
冯宇;
席志红
-
-
摘要:
针对原始C3D卷积神经网络的层数较少、参数量较大和难以关注关键帧而导致的人体行为识别准确率较低的问题,提出一种基于改进型C3D的注意力残差网络模型;首先,增加原始网络卷积层并采用卷积核合并与拆分操作实现(3×1×7)和(3×7×1)的非对称式卷积核,之后采用全预激活式残差网络结构来增加构建的非对称卷积层,并且在残差块中增加时空通道注意力模块;最后,为展示该算法的先进性和应用性,则将该算法与原始C3D网络以及其他流行算法分别在基准数据集HMDB51和自建的43类别体育运动数据集上相比较;实验结果表明,该算法与原始C3D网络相比,在HMDB51和43类体育运动数据集上分别提高了9.88%和21.61%,参数量比原来降低了38.68%,并且结果也优于其他流行算法。
-
-
孙满贞;
张鹏;
苏本跃
-
-
摘要:
人体行为识别是人工智能领域的一个研究热点,相对于视频、运动流等数据,人体骨骼数据具有简洁性和矢量计算的高效性。从基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法两方面对基于骨骼数据的人体行为识别相关研究进行综述。将手工特征概括为物理属性特征和统计属性特征,将深度特征按卷积神经网络、循环神经网络、图卷积神经网络及混合神经网络等类别对基于骨骼数据的人体行为识别方法及其优缺点进行逐一阐述,并对相关的特征提取方法、技术路线、模型特点及识别率等进行分析与总结。
-
-
赵广智;
周志鹏;
龚伟;
陈绍青;
周浩泉
-
-
摘要:
基于深度学习和Wi-Fi感知的人体行为识别系统已逐步成为主流的研究方向,在近年来得到了长足的发展。然而,现有的系统严重依赖于大量带标记样本以达到良好的识别精度。这导致了大量的人力成本用于标记数据,同时现有系统也难以应用于实际场景。针对该问题,提出一种将主动学习应用于Wi-Fi感知的人体行为识别系统——ALSensing。该系统是第一个将主动学习和Wi-Fi人体行为识别相结合的系统,能够利用有限数量的已标记训练样本构建一个性能良好的行为识别器。利用商用的Wi-Fi设备实现了ALSensing系统,并且使用6个不同场景的实际数据集评估了它的性能。实验结果显示,ALSensing利用3.7%的已标记训练样本能够达到52.83%的识别精度,利用15%的已标记训练样本能够达到58.97%的识别精度,而利用现有基于深度学习的人体行为识别系统测量的参考基准在100%的已标记训练样本的情况下达到62.19%的识别精度。可见,ALSensing能够实现与现有基于深度学习的人体行为识别系统接近的识别精度,但是所需要的已标记训练样本的数量大幅度减少。
-
-
蔡木生
-
-
摘要:
本文首先介绍了一种基于智能手机传感器获取加速度等数据的App设计方法,设定了15种需要识别的动作、手机位置组合类别,收集了75万条运动数据记录;其次,采用滑动窗口技术分割时序数据,构建了有针对性的时域、频域特征指标,形成了不同窗口大小、步长的新样本系列;最后,通过分类结果筛选出性能优良的4类算法,证实了深度学习在特征构建方面的良好表现,探讨了滑动窗口大小、步长对识别结果的影响。这些成果对于构建人体行为识别系统具有一定参考价值。
-
-
梁绪;
李文新;
张航宁
-
-
摘要:
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。
-
-
YUAN Jia-zheng;
袁家政;
LIU Hong-zhe;
刘宏哲;
XU Cheng;
徐成;
LI Yang-zhi;
李扬志;
MI Jia-hui;
米家辉
- 《中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会》
| 2020年
-
摘要:
近年来,人体行为识别和深度学习是智能视频分析领域的热点及研究趋势,在视频检索、智能监控以及人机交互等方面具有广泛的应用前景及研究意义.传统的方法目前已难以适应复杂场景下的人体行为识别,且不再满足需求,利用深度学习的方法进行人体行为识别是当前的主流算法,但仍存在困难与挑战.根据人体行为识别的发展历程,首先介绍了早期传统的识别方法,然后重点对深度学习框架下的识别方法进行了分类介绍,其中包括当前常见的卷积神经网络、双流网络、混合网络等.此外还对目前公开的常用行为识别数据集进行了分析,并比对了一些深度学习方法在典型数据集上的性能.最后,对人体行为识别的发展方向进行了探讨.
-
-
-
Tang Chao;
唐超;
Wang Wenjian;
王文剑;
Wang Xiaofeng;
王晓峰;
Zhang Chen;
张琛;
Zou Le;
邹乐
- 《第六届中国计算机学会大数据学术会议》
-
摘要:
基于视觉的人体行为识别是一个给图像序列标记动作类别的处理过程.人体行为识别在视觉监控、视频检索和人机交互等领域中有非常重要的应用.目前,表征人体动作方法大多数是基于单个视图,例如,将人体动作表示为人体动作的组合,或是将人类动作表示为潜在的语义分布.由于人的行为在本质上是复杂的,单一视图表征缺乏全面分析人类行为的能力.本文提出了一种基于多视图半监督学习的人体行为识别方法.首先,提出了一种基于三种不同模态视图数据来表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.其次,使用多视图半监督学习框架来建模,它充分利用不同视图提供的互补信息,来确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.实验结果表明,基于多视图的人体行为表征比基于单个视图的行为表征更有效,本文方法可以取得有效的人体行为识别性能.
-
-
-
Liang Chao;
梁超;
Wang Shigang;
王世刚;
Zhao Wenting;
赵文婷
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
在基于人体形状运动信息分析人体行为时,通常忽略了人体轮廓时空变化中的非线性信息.针对这一问题,本文提出了一种基于核主成分和人体轮廓特征的运动人体行为分析方法.通过运动目标检测算法获取视频图像中的运动人体轮廓信息,再将人体运动轮廓转换成一维距离向量,并利用离散余弦变换对一维距离向量进行去噪和归一化处理,生成人体行为运动形状样本向量,同时采用核函数特征空间变换来提取低维人体行为特征.最后利用基于特征空间的归一化欧式距离的最近邻对行为训练和识别.实验结果表明,本文算法具有较为理想的识别效果,并且拥有较低的计算代价.
-
-
Liang Chao;
梁超;
Wang Shigang;
王世刚;
Zhao Wenting;
赵文婷
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
在基于人体形状运动信息分析人体行为时,通常忽略了人体轮廓时空变化中的非线性信息.针对这一问题,本文提出了一种基于核主成分和人体轮廓特征的运动人体行为分析方法.通过运动目标检测算法获取视频图像中的运动人体轮廓信息,再将人体运动轮廓转换成一维距离向量,并利用离散余弦变换对一维距离向量进行去噪和归一化处理,生成人体行为运动形状样本向量,同时采用核函数特征空间变换来提取低维人体行为特征.最后利用基于特征空间的归一化欧式距离的最近邻对行为训练和识别.实验结果表明,本文算法具有较为理想的识别效果,并且拥有较低的计算代价.
-
-
Liang Chao;
梁超;
Wang Shigang;
王世刚;
Zhao Wenting;
赵文婷
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
在基于人体形状运动信息分析人体行为时,通常忽略了人体轮廓时空变化中的非线性信息.针对这一问题,本文提出了一种基于核主成分和人体轮廓特征的运动人体行为分析方法.通过运动目标检测算法获取视频图像中的运动人体轮廓信息,再将人体运动轮廓转换成一维距离向量,并利用离散余弦变换对一维距离向量进行去噪和归一化处理,生成人体行为运动形状样本向量,同时采用核函数特征空间变换来提取低维人体行为特征.最后利用基于特征空间的归一化欧式距离的最近邻对行为训练和识别.实验结果表明,本文算法具有较为理想的识别效果,并且拥有较低的计算代价.
-
-
Liang Chao;
梁超;
Wang Shigang;
王世刚;
Zhao Wenting;
赵文婷
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
在基于人体形状运动信息分析人体行为时,通常忽略了人体轮廓时空变化中的非线性信息.针对这一问题,本文提出了一种基于核主成分和人体轮廓特征的运动人体行为分析方法.通过运动目标检测算法获取视频图像中的运动人体轮廓信息,再将人体运动轮廓转换成一维距离向量,并利用离散余弦变换对一维距离向量进行去噪和归一化处理,生成人体行为运动形状样本向量,同时采用核函数特征空间变换来提取低维人体行为特征.最后利用基于特征空间的归一化欧式距离的最近邻对行为训练和识别.实验结果表明,本文算法具有较为理想的识别效果,并且拥有较低的计算代价.
-
-
Liang Chao;
梁超;
Wang Shigang;
王世刚;
Zhao Wenting;
赵文婷
- 《第17届全国图象图形学学术会议》
| 2014年
-
摘要:
在基于人体形状运动信息分析人体行为时,通常忽略了人体轮廓时空变化中的非线性信息.针对这一问题,本文提出了一种基于核主成分和人体轮廓特征的运动人体行为分析方法.通过运动目标检测算法获取视频图像中的运动人体轮廓信息,再将人体运动轮廓转换成一维距离向量,并利用离散余弦变换对一维距离向量进行去噪和归一化处理,生成人体行为运动形状样本向量,同时采用核函数特征空间变换来提取低维人体行为特征.最后利用基于特征空间的归一化欧式距离的最近邻对行为训练和识别.实验结果表明,本文算法具有较为理想的识别效果,并且拥有较低的计算代价.
-
-
-
-
-
-
-
-
-
-
-
- 电子科技大学
- 公开公告日期:2023-01-03
-
摘要:
本发明公开了一种基于多类特征融合的毫米波雷达非视距人体行为识别系统,属于无线电信号定位识别领域。针对人体不同行为的雷达回波信号,通过脉冲压缩、Doppler‑FFT等方法对目标行为信息进行研究,生成VR(k,d)图,再分别提取VR(k,d)图的Gabor、LBP、SIFT与HOG特征,并利用主成分分析(PCA)方法对四种特征进行降维并融合,最后将融合特征输入支持向量机(SVM)分类器进行分类,从而实现非视距行为识别。该方法利用不同类型特征的互补性对特征进行融合,能够有效解决样本单类特征表达不完备的问题,且能有效提高识别率,实现精准的非视距人体行为识别,具有保护用户隐私、不易受环境影响等优点。