基于深度学习的视频行为分类方法综述
2022年电子技术应用第7期
杨 戈1，2，邹武星1，2
1.北京师范大学珠海分校 智能多媒体技术重点实验室，广东 珠海519087； 2.北京师范大学自然科学高等研究院，广东 珠海519087
摘要： 过去几年，视频行为分类从手工选择特征方式逐步向采用深度学习端到端网络模型方式转变。讨论了传统手工选择特征的行为分类方法以及基于深度学习的行为分类方法，着重对包括基于卷积神经网络、长短期记忆网络和时空融合网络等不同的深度学习方法进行了论述，并对常用视频行为分类数据集做了概述，对视频行为分类方法的发展进行总结和展望。
中圖分類號： TP391
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.212388
中文引用格式： 楊戈，鄒武星. 基于深度學習的視頻行為分類方法綜述[J].電子技術應用，2022，48(7)：1-7，12.
英文引用格式： Yang Ge，Zou Wuxing. A survey on video action classification methods based on deep learning[J]. Application of Electronic Technique，2022，48(7)：1-7，12.
文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.212388
中文引用格式： 楊戈，鄒武星. 基于深度學習的視頻行為分類方法綜述[J].電子技術應用，2022，48(7)：1-7，12.
英文引用格式： Yang Ge，Zou Wuxing. A survey on video action classification methods based on deep learning[J]. Application of Electronic Technique，2022，48(7)：1-7，12.
A survey on video action classification methods based on deep learning
Yang Ge1，2，Zou Wuxing1，2
1.Key Laboratory of Intelligent Multimedia Technology，Beijing Normal University，Zhuhai 519087，China； 2.Advanced Institute of Natural Sciences，Beijing Normal University，Zhuhai 519087，China
Abstract： In the past few years, video action classification has gradually changed from manual feature selection to deep learning end-to-end model. This article discusses the traditional action classification method of manually selecting features and the action classification method based on deep learning, focusing on different deep learning methods including convolutional neural networks, recurrent neural network, dual-stream network, long and short-term memory network, etc., and it summarizes the commonly used video action classification data sets, summarizes and prospects the development of video action classification methods.
Key words : video action classification；data set；deep learning
0 引言
視頻行為分類的目的是根據(jù)視頻內容將視頻行為歸類為預設類別。隨著數(shù)字攝像機、智能手持終端等各種視頻拍攝設備的普及，網(wǎng)絡上視頻產生數(shù)量出現(xiàn)飛速增長。截至2019年6月，中國網(wǎng)絡視頻用戶規(guī)模近7.59億，中國短視頻用戶規(guī)模為6.27億[1]，最新興起的短視頻業(yè)務用戶規(guī)模以及用戶日均短視頻移動應用(Application，APP)停留時長均出現(xiàn)爆發(fā)式增長。圖像本身就包含大量信息，而視頻是圖像在時間維度的擴展，每秒往往包含24幀左右的圖像，所占存儲空間較之圖像可以說是呈數(shù)量級倍數(shù)關系。存儲、分析這些視頻內容需要花費巨大的財力和人力，在計算機自動分析視頻數(shù)據(jù)得到廣泛應用前，視頻內容的行為分類一般依靠人工實現(xiàn)，不僅效率低而且誤判、漏判率高。自動化視頻內容分析技術推廣的現(xiàn)實意義廣泛而深遠。
計算機視頻行為分析技術不僅可以同時自動監(jiān)控多路信號，且不會產生疲勞，降低誤判的可能性；在視頻內容檢索領域的應用更是將極大減輕公共安全從業(yè)人員的視頻檢索工作量，提高他們的檢索效率，降低漏檢率。自動化視頻內容分析技術推廣的現(xiàn)實意義廣泛而深遠，深度學習在視頻分類的應用主要有以下方面。
本文詳細內容請下載：http://ihrv.cn/resource/share/2000004577。
作者信息：
楊 戈1，2，鄒武星1，2
(1.北京師范大學珠海分校 智能多媒體技術重點實驗室，廣東 珠海519087；
2.北京師范大學自然科學高等研究院，廣東 珠海519087)
此內容為AET網(wǎng)站原創(chuàng)，未經授權禁止轉載。