典型文献
基于深度学习的人体行为识别综述
文献摘要：
人体行为识别旨在对视频监控中的人体行为进行检索并识别,是人工智能领域的研究热点.基于传统方法的人体行为识别算法存在对样本数据依赖大、易受环境噪声影响等不足.为解决此问题,许多适用于不同应用场景的基于深度学习的人体行为识别算法被提出.介绍了人体行为识别任务中传统特征提取方法和基于深度学习的特征提取方法;从性能和应用两方面对基于深度学习的人体行为识别算法进行总结,重点分析了基于3D卷积神经网络、混合网络、双流卷积神经网络和少样本学习(few-shot learning,FSL)的人体行为识别方法及其在UCF101和HM-DB51数据集上的表现;在深度学习的基础上,归纳了主流模型迁移方法的优缺点及其有效性;总结了现有基于深度学习的人体行为识别算法存在的不足,并讨论了以元学习(meta-learning)和transformer为代表的FSL算法将成为未来模型主流算法的可能性,同时对未来基于深度学习的人体行为识别算法的发展方向进行展望.
文献关键词：
行为识别;深度学习;双流卷积网络;少样本学习;元学习
中图分类号：
作者姓名：
邓淼磊;高振东;李磊;陈斯
作者机构：
河南工业大学 信息科学与工程学院,郑州 450001
文献出处：
引用格式：
[1]邓淼磊;高振东;李磊;陈斯-.基于深度学习的人体行为识别综述)[J].计算机工程与应用,2022(13):14-26
A类：
B类：
人体行为识别,对视,视频监控,进行检索,人工智能领域,识别算法,数据依赖,环境噪声,噪声影响,传统特征,混合网络,双流卷积神经网络,少样本学习,few,shot,learning,FSL,UCF101,HM,DB51,流模型,模型迁移,元学习,meta,transformer,流算法,双流卷积网络
AB值：
0.285785
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
