行为识别技术通过图像、视频、热敏、力敏、加速度、磁力等单一传感器或多种传感器融合的方式，对被测目标信息进行采集测量。使用如数据挖掘、机器学习、模式识别等多种技术，对于人类行为中的表层及深层特征进行提取，精确表达出目标姿态、站立、行走、奔跑、跳跃等各类形式的静止或运动状态。目前人体行为识别主要有头部运动识别、手势识别、步态识别、基本姿态识别、异常姿态识别等多个方面。
根据采用不同识别技术，人体行为识别目前主流要分为三大类∶基于计算机视觉的行为识别、基于传感器系统的行为识别、基于多模态数据的行为识别。
（1）基于计算机视觉的行为识别经过多年的研究，国内外学者在计算机视觉在人体检测领域已经构建了多种框架，主要分为基于视频的方法和基于图像的方法。涉及到关键技术包括目标检测技术、目标跟踪技术、序列行为分类技术、人体关键点检测技术、手势识别技术、光流分析技术、人体分割技术、属性分析技术和步态识别技术等。随着深度学习的飞速发展，这些关键技术都取得了突破性的进展，基于计算机视觉的行为识别算法已经在各个行业中得到广泛应用。
（2）基于传感器系统的行为识别在人工智能获得强力推广的当下，利用传感器进行人体行为识别已然成为智能化的一个重要分支。这种识别方法主要利用传感器和传感网络来捕捉用户行为。该方法相比利用视觉进行人体行为识别的方式，前期投入少且设备复杂性小，具有更好的空间自由性。
（3）基于多模态数据的行为识别伴随着近年来各式新型传感器的兴起，多模态人体行为识别研究逐渐成为行为识别领域内一个新的研究热点。概括而言，基本的多模态人体行为识别流程为∶多模态数据集获取、数据预处理、特征提取与选择、人体行为识别算法。该方法与计算机视觉方法框架类型两者融合可行性高，多模态融合分析将能提升行为识别的准确性，为用户带来更好的使用体验。
关注微信
