基于骨架的人体异常行为识别与检测研究进展

人体异常行为识别与检测技术已广泛应用于各种领域.由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题,使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具.多数研究从不同角度对此任务相关方法进行综述,但缺少针对人体骨架的整理工作.对此,立足于骨架数据,系统地综述了深度学习背景下的人体异常行为识别与检测方法.首先,按照应用场景中目标个数的不同,分类总结了典型的人体姿态估计算法;其次,依据特征提取网络的不同,将异常行为识别方法分为5类,分别围绕CNN、RNN、GCN、Transformer以及混合模型展开对比分析;然后,从数据与标签的映射学习角度,对3类异常行为检测方法进行讨论;最后,介绍了基准数据集及其上相关算法的表现,并探讨了此任务所面临的挑战及展望,以期为本领域未来的研究提供参考.