文献类型：期刊文章

作　　者：罗会兰[1] 王婵娟[1] 卢飞[1]

LUO Huilan;WANG Chanjuan;LU Fei(School of Information Engineering,Jiangxi University of Science and Technology,Ganzhou 341000,China)

机构地区：[1]江西理工大学信息工程学院,江西赣州341000

出　　处：《通信学报》

基　　金：国家自然科学基金资助项目(No.61105042;No.61462035);江西省自然科学基金资助项目(No.20171BAB202014)~~

年　　份：2018

卷　　号：39

期　　号：6

起止页码：169-180

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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

分 类 号：TP391]