标签：基于 数据 卷积 方法 论文 RGB 深度 识别 行为
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：
- 传统的手工提取特征的方法
- 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：
- 基于深度数据的方法
- 基于3D卷积的方法
- 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
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。