目标检测——人体行为检测核心期刊论文汇总

1. 面向智能监控的行为识别

   创新点：YOLO+CNN+LSTM（使用YOLO算法替代运动前景提取、R—CNN等目标检测方法）

   数据集：MSR KTH

2. 复杂背景下的手势识别

   创新点：对TinyYOLOv3主干网络重新进行设计,增加网络层数。边界框坐标预测损失采用CIoU损失。使用数据增强方法避免训练过拟合，并通过超参数优化和先验框聚类等方法加快网络收敛速度。

   数据集：Marcel 手势数据集

   注：结果中有检测时间/ ms，模型大小/ MB，参数数量和边界框预测损失函数的对比结果。

3. YOLOv3 剪枝模型的多人姿态估计

   创新点：YOLOv3+SHN。通过重叠度 K-means 算法修改 YOLOv3 网络锚框以更适应行人目标检测，利用批量归一化层的缩放因子对 Trimming-YOLOv3 网络进行循环迭代式通道剪枝。

   数据集：MPII

   注：结果中有损失(loss)变化情况，重叠度，召回率，精度等。

4. 多层语义融合CNN的步态人体语义分割

   创新点：借助LabelMe开源图像注释工具进行步态人体部位语义标注。借鉴ResNet和RefineNet网络模型，设计了一种细节性步态语义分割网络模型。

   数据集：PASCAL VOC，Gait Database步态数据库

5. 视频中多特征融合人体姿态跟踪

   创新点：利用视频时间信息计算出人体目标区域的运动信息。构造并训练一种轻量级的深度学习网络，用于生成人体手臂部位的附加候选样本。

   数据集：YouTube Pose数据集，Video Pose2．0数据集

6. Action Recognition in Video Sequences using Deep Bi-Directional LSTM With CNN Features

   创新点：CNN(AlexNet12）+深度双向LSTM，每六帧提取深度特征，采用多层堆叠方式，适合长视频识别。

   数据集：HMDB51 UCF101