今天跟大家分享的主題是基于視訊的 行為識别領域研究，主要介紹一下早期 的非深度學習傳統方法和近期深度學習 方法取得的結果。深度學習方法帶來了 非常大的變革，提升了識别系統的性能， 但這并不意味着我們把傳統的東西都要 抛棄，事實上很多工作還是一脈相承的， 而且有很多傳統方法是我們積累了很多 經驗、很多知識、很多方法遷移過來的， 我想這不僅在視覺處理領域是這樣，在 其他領域也是這樣。
行為是什麼？如果翻一下字典的話， 對行為的定義是非常廣泛的：一個是人 的姿态、姿勢，比如站在這裡也是一種 姿态、姿勢；還有就是一個人的行為， 當然行為可以不僅僅是一個人，也可以 是兩個人的握握手；人的互動也是一種 行為；更大的程度上也包括群體的行為， 一群人進行體育比賽也構成特定的行為。 今天的報告中大部分研究的對象是集中 在一個人的行為上，但事實上可以看到， 這裡所提到的很多特征、很多模型、很 多算法實際上是可以推廣到兩個人甚至 多個人的行為分析上面去。
近年來計算機視覺領域對行為識别這 個問題很感興趣呢？這有兩個方面原因， 一個方面，計算機視覺有兩大對象，一 個是圖像，另一個是視訊。對圖像來講， 對物體進行檢測、識别了解是一個重要 領域；視訊包含動态和連續的圖像，對 視訊分類是計算機視覺的基本問題。行 為的種類是視訊常見的分類标準
另一方面，我們發現，事實上人是 非常擅長進行一些行為識别的生物。在 生活過程中，我們無時無刻都在對周圍 所發生的行為和事件進行識别和預測， 這是我們生存的一個基本需要。比如 說，我們到一個森林，要看看周圍是不 是有一些危險動物，這些危險動物是不 是對我構成威脅，是不是相對具有攻擊 性行為；我們走在馬路上，要看看這個 騎自行車的人，他的下一步行進的方向 是什麼，會不會和我的行走路徑有交 叉，是不是要采取一些避讓或者保護的 行為，等等。
在計算機視覺領域，可以把行為了解 轉化為一個分類問題，當然這樣有點過 于簡化了；但是好處在于便于入手去研 究，也便于對開發的方法進行評測。