摘要
人体行为识别是人工智能领域的一个研究热点,相对于视频、运动流等数据,人体骨骼数据具有简洁性和矢量计算的高效性。从基于传统机器学习的手工特征提取方法和基于深度学习的深度特征提取方法两方面对基于骨骼数据的人体行为识别相关研究进行综述。将手工特征概括为物理属性特征和统计属性特征,将深度特征按卷积神经网络、循环神经网络、图卷积神经网络及混合神经网络等类别对基于骨骼数据的人体行为识别方法及其优缺点进行逐一阐述,并对相关的特征提取方法、技术路线、模型特点及识别率等进行分析与总结。
0 引言
人体行为识别以人为中心研究人体运动,赋予计算机“人的智能”,使之能智能地识别人的行为,因而被广泛应用于工业系统、虚拟现实及视频监控等领域。用于人体行为识别的数据有骨骼数据、视频数据、深度数据和运动流数据等多种类别。由于人体可视为由关节点和骨骼连接形成的刚性铰链系统,而运动是指骨骼空间结构与身体姿态的连续变化,因此骨骼数据可表达人体运动信息的高级特征[