基于深度学习的人体行为识别与定位方法蔡巍巍（西南交通大学计算机科学与人工智能学院，四川成都030699）HumanBehaviorRecognitionandLocationMethodBasedonDeepLearning摘要：人体行为识别技术广泛应用于工业安全系统、第三方支付系统等领域。提出的方法遵循Köpüklü等人提出的YOWO架构，在其基础上，重新构建通道融合模块以及重写边界回归策略的部分算法：①在通道融合与注意力机制模块的基础上添加averagepooling模块，进而达到提高待训练模型学习能力的效果；②重新设计ResNext-101模块，提高模型的表达能力，同时采用CIoU回归损失函数来衡量模型输出与真实标注框之间的差异对模型进行收敛，最终提高边界框回归的稳定性。在公开数据集UCF101-24和J-HMDB-21上的实验结果表明，该方法能够有效地增强视频特征的表达能力，在识别与定位人体行为视频的检测精度、定位精度以及稳定性上优于相应的同类算法。关键词：YOWO；特征提取；相关系数矩阵；人体行为识别；损失函数Abstract:Humanbehaviorrecognitiontechnologyiswidelyusedinindustrialsecuritysystems,third-partypaymentsys-temsandotherfields.ThemethodproposedinthispaperfollowstheyoyoarchitectureproposedbyKöpüklüetal.Onitsbasis,itreconstructsthechannelfusionmoduleandrewritessomealgorithmsofboundaryregressionstrategy:①Addtheaveragepoolingmodulemethodtothechannelfusionandattentionmechanismmodule,Soastoimprovethelearningabili-tyofthemodeltobetrained.②Redesigntheresnext-101moduletoimprovetheexpressionabilityofthemodel.Atthesametime,theCIOregressionlossfunctionisusedtomeasurethedifferencebetweenthemodeloutputandtherealan-notationboxtoconvergethemodel,andfinallyimprovethestabilityoftheboundingboxregression.Theexperimentalre-sultsonthepublicdatasetsUCF101-24andJ-HMDB-21showthatthemethodproposedinthispapercaneffectivelyen-hancetheexpressionabilityofvideofeatures.Itissuperiortothecorrespondingsimilaralgorithmsinthedetectionaccura-cy,locationaccuracyandstabilityofhumanbehaviorvideorecognitionandlocation.Keywords:YOWO,featureextraction,correspondingcoefficientmatrix,humanbehaviorrecognition,lossfunction近年来，智能手机、数码像机的广泛应用，促进各种自媒体、短视频的发展，抖音、西瓜视频等互联网...
