基于神经网络的人体行为分析与研究开题报告

1. 研究目的与意义（文献综述）

随着视频数据在人们的日常生活中扮演着越来越重要的角色，人们对视频数据处理技术的需求越来越大。尤其是基于视频的人体行为识别，这项技术的目标是能够自动分析出视频中的人，在什么时间、什么地点、做了什么事。目前，人体行为识别技术在视频监控、视频检索、虚拟现实等方面产生了广泛的应用前景和潜力。国内行为识别技术采用的是基于计算机视觉的行为识别，在不同场合通过摄像头采集大量的视频、图像数据，主要应用在公共场合，如火车站、飞机场等，用来监控一些非法行为。但是由于视频中场景的复杂度、视频获取途径的复杂度以及人的行为的复杂度，使得基于视频的人体行为识别仍具有很大的难度。

由于应用潜力大、技术实现有难度，在加上近些年科技的蓬勃发展，以及芯片计算技术的大幅提升等，这一系列的条件，使得人体行为识别受到了国内外很多研究学者的重视。

作为一个热门的研究领域，长久以来，人体行为识别已经得到了很大的发展。经过对常用的识别视频人体行为方法的总结，其处理流程可分为四个步骤：

2. 研究的基本内容与方案

1、研究的基本内容：

（1）研究人体行为识别算法。

（2）使用深度学习框架和深度学习网络模型编写程序。

3. 研究计划与安排

（1）（3.1-3.22）论文翻译并进行基础知识的学习：学习python基础语法、《深度学习入门：基于python的理论与实现》、学习深度学习框架——pytorch。

（2）（3.23-4.6）撰写开题报告并搭建深度学习运行环境、学习相关深度学习网络模型。

（3）（4.7-4.21）方案设计与论证。

4. 参考文献（12篇以上）

[1]贾双成,杨凤萍.基于神经网络的人体动态行为智能识别方法[j].科技通报,2020,36(01):60-63.

[2]蔡强,邓毅彪,李海生,余乐,明少锋.基于深度学习的人体行为识别方法综述[j/ol].计算机科学:1-14[2020-03-14].http://kns.cnki.net/kcms/detail/50.1075.tp.20191216.1521.033.html.