基于深度学习的视频行为识别技术综述

摘要：

行为识别(AR)是计算机视觉领域的研究热点,在安防监控、自动驾驶、生产安全等领域具有广泛的应用前景.首先,对行为识别的内涵与外延进行了剖析,提出了面临的技术挑战问题.其次,从时间特征提取、高效率优化和长期特征捕获三个角度分析比较了行为识别的工作原理.对近十年43种基准AR方法在UCF101、HMDB51、Something-Something和Kinetics400数据集上的性能表征进行比对,有助于针对不同应用场景选择适合的AR模型.最后指明了行为识别领域的未来发展方向,研究成果可为视频特征提取和视觉内容理解提供理论参考和技术支撑.

关键词：行为识别、深度学习、卷积神经网络、Transformer、RGB视频

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：江苏省重点研发计划资助项目;军内科研项目;军队重点课题

在线出版日期：2022-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2561-2569