《电子技术应用》
您所在的位置:首页 > 其他 > 设计应用 > 基于深度学习的视频行为分类方法综述
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。
中图分类号: TP391
文献标识码: A
DOI:10.16157/j.issn.0258-7998.212388
中文引用格式: 杨戈,邹武星. 基于深度学习的视频行为分类方法综述[J].电子技术应用,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

    视频行为分类的目的是根据视频内容将视频行为归类为预设类别。随着数字摄像机、智能手持终端等各种视频拍摄设备的普及,网络上视频产生数量出现飞速增长。截至2019年6月,中国网络视频用户规模近7.59亿,中国短视频用户规模为6.27亿[1],最新兴起的短视频业务用户规模以及用户日均短视频移动应用(Application,APP)停留时长均出现爆发式增长。图像本身就包含大量信息,而视频是图像在时间维度的扩展,每秒往往包含24帧左右的图像,所占存储空间较之图像可以说是呈数量级倍数关系。存储、分析这些视频内容需要花费巨大的财力和人力,在计算机自动分析视频数据得到广泛应用前,视频内容的行为分类一般依靠人工实现,不仅效率低而且误判、漏判率高。自动化视频内容分析技术推广的现实意义广泛而深远。

    计算机视频行为分析技术不仅可以同时自动监控多路信号,且不会产生疲劳,降低误判的可能性;在视频内容检索领域的应用更是将极大减轻公共安全从业人员的视频检索工作量,提高他们的检索效率,降低漏检率。自动化视频内容分析技术推广的现实意义广泛而深远,深度学习在视频分类的应用主要有以下方面。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004577




作者信息:

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)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。