基于 RGB-D 数据与深度学习的人体运动识别：综述
计算机视觉与模式识别
2018-04-26 v2
摘要
人体运动识别是以人为中心的研究活动中最重要的分支之一。近年来，基于 RGB-D 数据的运动识别引起了广泛关注。随着人工智能的发展，深度学习技术在计算机视觉中取得了显著成功。特别是，卷积神经网络（CNN）在基于图像的任务上取得了巨大成功，而循环神经网络（RNN）以处理基于序列的问题著称。具体而言，基于 CNN 和 RNN 架构的深度学习方法已被采用用于利用 RGB-D 数据进行运动识别。本文详细概述了基于 RGB-D 的运动识别的最新进展。所综述的方法根据用于识别的模态大致分为四类：基于 RGB、基于深度、基于骨架以及基于 RGB+D。作为聚焦于深度学习在基于 RGB-D 的运动识别中应用的综述，我们明确讨论了现有技术的优势与局限。特别地，我们强调了编码视频序列中固有的时空结构信息的方法，并讨论了未来研究的潜在方向。
引用
@article{arxiv.1711.08362,
title = {RGB-D-based Human Motion Recognition with Deep Learning: A Survey},
author = {Pichao Wang and Wanqing Li and Philip Ogunbona and Jun Wan and Sergio Escalera},
journal= {arXiv preprint arXiv:1711.08362},
year = {2018}
}