Action Recognition

论文：人体行为识别方法研究综述

人体行为识别需要提取外观和姿势的变化，即从二维空间特征扩展到三维时空特征

近年来，已经提出了许多基于RGB数据的人体行为识别方法，包括：

1. 传统的手工提取特征的方法
2. 基于深度学习的方法

也有许多研究者开始利用深度数据进行人体行为识别的研究

新的方法大多侧重具体的某一方面：

1. 基于深度数据的方法
2. 基于3D卷积的方法
3. 基于图卷积神经网络的方法

基于RGB数据的方法

传统方法

基于时空体积的方法、基于时空兴趣点（STIP）的方法和基于轨迹的方法，主要
采用经典机器学习分类方法进行人体行为识别，如BOOST、SVM和概率图模型等

基于深度学习的方法

基于双流网络（two-stream）

基于三维卷积网络（C3D）

基于长短时记忆网络（LSTM）的方法

基于深度数据的方法

传统方法

基于深度序列

基于骨架数据：从深度数据中可以快速、准确地估计出人体骨架

基于深度学习的方法

基于循环神经网络

基于卷积神经网络

基于图卷积神经网络

基于特征融合的方法

将RGB特征和深度特征融合

行为识别数据集

RGB数据集

深度骨架序列数据集

标签：基于,数据,卷积,方法,论文,RGB,深度,识别,行为
来源： https://www.cnblogs.com/WangLuli/p/16608958.html