RGB-D行為識別研究進展及展望
摘要：行為識別是計算機視覺領域很重要的一個研究問題,其在安全監控、機器人設計、無人駕駛和智能家庭設計等方面都有著非常重要的應用.基于傳統RGB視頻的行為識別方法由于容易受背景、光照等行為無關因素的影響,導致識別精度不高.廉價RGB-D攝像頭出現之后,人們開始從一個新的途徑解決行為識別問題.基于RGB-D攝像頭的行為識別通過聚合RGB、深度和骨架三種模態的行為數據,可以融合不同模態的行為信息,從而可以克服傳統RGB視頻行為識別的缺陷,也因此成為近幾年的一個研究熱點.本文系統地綜述了RGB-D行為識別領域的研究進展和展望.首先,對近年來RGB-D行為識別領域中常用的公共數據集進行簡要的介紹;同時也系統地介紹了多模態RGB-D行為識別研究領域的典型模型和最新進展,其中包括卷積神經網絡(Convolution neural network, CNN)和循環神經網絡(Recurrent neural network, RNN)等深度學習技術在RGB-D行為識別的應用;最后,在三個公共RGB-D行為數據庫上對現有方法的優缺點進行了比較和分析,并對未來的相關研究進行了展望.
注: 保護知識產權,如需閱讀全文請聯系自動化學報雜志社
相關推薦
更多
