人类动作行为视觉识别是指利用计算机视觉技术，从视频序列或图像中自动识别和分析人体正在执行的动作或行为。它通常包含几个层次，从简单到复杂：姿态估计：定位人体关键关节点的位置（如头、肩、肘、腕等），形成骨骼图。这是许多行为识别的基础。-动作识别--行为识别--活动分析

 

人类行为识别的方式

双流卷积网络

3D卷积神经网络

CNN + RNN/LSTM 组合网络

基于骨骼关键点的图卷积网络

 

人类行为识别的趋势

多模态融合​： 结合视觉、声音、甚至文本（如视频字幕）信息进行更精准的理解。 ​

自监督学习​： 减少大量昂贵人工标注数据的依赖。 ​

实时轻量化模型​

​Transformer架构的应用​