基于深度学习的关节点行为识别综述

• 作者: 刘云 薛盼盼 李辉 王传旭
• 来源期刊: 电子与信息学报
• 关键词: 深度学习 关节点行为识别 卷积神经网络 循环神经网络 图卷积
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 模式识别与智能信息处理|Pattern Recognition and Intelligent Information Processing
• 页码范围: 1789-1802
• 页数: 14页
• 分类号: TN911.73|TP391
• 语种: 中文
• DOI: 10.11999/JEIT200267

摘要

关节点行为识别由于其不易受外观影响、能更好地避免噪声影响等优点备受国内外学者的关注,但是目前该领域的系统归纳综述较少.该文综述了基于深度学习的关节点行为识别方法,按照网络主体的不同将其划分为卷积神经网络(CNN)、循环神经网络(RNN)、图卷积网络和混合网络.卷积神经网络、循环神经网络、图卷积网络分别擅长处理的关节点数据表示方式是伪图像、向量序列、拓扑图.归纳总结了目前国内外常用的关节点行为识别数据集,探讨了关节点行为识别所面临的挑战以及未来研究方向,高精度前提下快速行为识别和实用化仍然需要继续推进.