1. 研究目的与意义（文献综述）

随着社会的快速发展，人们对加强安全秩序、增强人机交互等人工智能技术的需求日益加大。传统的依靠人工进行视频分析的方法已经不能满足人们的需求，因此对目标行为实现自动地分析和识别的方法越来越受到人们的青睐。机器视觉技术就是这样一种方法，它使得计算机可以模拟人类的视觉感知系统，并且让计算机能够对环境中的目标物体及其活动信息进行自动地分析和识别。

人体行为识别是机器视觉领域重要研究的方向之一。它主要是利用机器视觉技术对视频图像序列进行分析，从而检测出人的行为动作，并且通过上下帧图像之间的联系对该行为进行表征，最后根据环境信息和领域知识来对行为进行深度分析。同时，随着机器视觉技术被应用到各个领域，人体行为识别技术也引起了越来越多的关注。目前行为识别技术已经应用于多个领域

最早的人体行为识别的研究可追溯至上世纪 70 年代心理学家johansson的人体运动感知实验，该实验通过对行为人身上若干个点在运动时的轨迹追踪，实现了对走路、跑步等简单运动的识别。近年来，全世界越来越多的科机构及相关企业也都在人体行为识别领域开展了大量的相关研究，推动了人体行为识别技术的快速发展。人体行为识别技术主要应用于智能监控系统、运动分析、人机交互等方面，例如：美国国防高级研究项目属联合了美国众多高校，开发了视觉监控重大项目vsam (visual surveillance and monitoring),其主要研究的是监控系统中的自动理解技术，该项目的研究成果能够实现准确的定位运动主体并且可以进行多目标的同时跟踪，比如可以识别出两个人是否交换物品、是否携带了物品等简单的行为；英国爱丁堡大学负责的behave项目、雷丁大学的 iscaps、reason等项目，都对人体行为识别与分析进行了深入研究，并应用于智能安全监控系统；美国ariel dynamics公司开发的商用 apas 录像解析系统，在医疗康复与体育竞技等领域的运动分析中用到了人体行为识别技术，该系统基于多相机同步拍摄，根据标记了红外标志点的人体进行三维运动建模，得以实现对病人的辅助医疗诊断和专业运动员的运动机理分析；微软开发的家庭游戏和视频娱乐系统xbox360，推出 kinect 配套设备将人体行为识别技术应用到了人机交互上，它使得人不需要再手持或踩踏控制器，而是使用手势或者语音指令来操作 xbox360 的系统界面，甚至可以捕捉人体全身上下的动作，用身体来进行游戏，从而实现人机互动。与此同时，人体行为识别研究也被一些国际学术会议以及各种期刊列为重要研究内容之一，这为人体行为识别技术的研究打开了方便之门。

2. 研究的基本内容与方案

本次毕设需要学习和研究数字图像处理、数字视频处理原理和方法。重点研究基于基于深度学习的视频行为识别算法，在visual studio 2010或matlab或python环境下实现，并对结果进行比较分析。目标是能够在visualstudio 2010或matlab或python环境下实现对视频行为的识别。

首先通过阅读教材和论文，对深度学习的原理，即深度神经网络的知识，进行初步的认识，以利于对实际应用中使用深度神经网络的原因和方法形成更好的理解。

基于深度学习的视频行为识别步骤基本如下：

3. 研究计划与安排

第1周—第4周 搜集资料，撰写开题报告；

第5周—第6周 论文开题，硬软件总体设计；

第7周—第13周 分步实施，实验及分析，撰写论文初稿；

4. 参考文献（12篇以上）

[1] 刘瑞祯，于仕琪编著.opencv教程[m].北京：北京航空航天大学出版社，2009.

[2] lecun y, bengio y, hinton g. deeplearning[j]. nature, 2015, 521(7553):436-444.

[3] 陈曦，刘本永.基于深度网络特征提取与核非线性分类的视频行为识别[j].贵州大学学报（自然科学版），2017，34（1）：51-56.