- 上一篇：室内定位技术的研究现状
- 下一篇：预测二硫键的方法研究现状
近年来，世界各国的机构、公司乃至个人都在计算机视觉领域尤其是行为识别方 面积极展开研究，并取得了不少成果。
(1) 理论方面： 目前，各国研究人员的纷纷投身行为识别领域，因此出现了大量识别算法。68472
Aggarwal 和 Cai[11]，以及随后的 Wang 等人[12]，探讨了对身体结构的分析、追踪 以及识别。Krüger 等人[13]讨论了意图识别和模糊学习。Oikonomopoulos 等人[14]已 将相关向量机(RVM)用于动作识别。Masoud 和 Papanikolopoulos [15]使用主成分分析 法对获取的图像进行线性降维。Yao 等人[16]引入动态时空规整解决校准问题。刘高 文[9]采用连续隐马尔可夫模型进行行为识别。段晶晶等人[17]基于 KOD 能量特征实 现了群体异常识别。
国际计算机视觉大会（IEEE international conferernce on Computer Vision, ICCV）、 国际计算机视觉与模式识别学术会议（IEEE International Conference on Compurter Vision and pattern Recognition, CVPR ）和 欧 洲 计 算 机 视 觉 国 际 会 议 (European Conference on Computer Vision, ECCV)是计算机视觉领域的三个国际性顶级会议。所 有这些会议上发表的论文都代表着该领域世界级的最新动向和最高水平。
(2) 应用方面： 首先，在国家、公共安全等方面，各国都大力支持并投资研发智能视频监控系统。
美国国防高级研究计划局设立了著名的 VSAM 视频监控项目，由卡内基梅隆大学、 麻省理工学院等著名学府、研究机构合作研究，涉及军事和民用背景下的视频监控和 智能分析，尤其是战场上的无人监控[5]。它不仅能对相关军事设施的安全进行监控， 还能实时监视地方的局部调动状况。英国雷丁大学的 VIEWS 项目组在人车跟踪识别
方面展开了研究，该技术能使未来的监控系统智能地识别偷车贼，还能预报公共交通 场所可能发生的抢劫、袭击等恶性事件[4]。除了通过长宽比等特征，识别人或汽车， 该项目通过分析跟踪目标的运动轨迹，来识别反常行为并报警。论文网
此外，Microsoft 等公司已经把人体识别技术结合新兴的人工智能技术运用到商 业产品中，并取得巨大的经济效益。Orbeus 与 AMD 联手研究并推出了新的视频图 像管理系统，还推出了基于深度学习技术的物体场景识别系统和该系统在 ios 设备上 的应用程序，它能够识别超过两千种的物体和场景[3]。谷歌积极招揽人工智能新的相 关人才，为解决谷歌街景获得的图片中的门牌识别问题，他们开发了一套特别的大型 神经网络 DistBelief，它可以集成定位、分割和识别三个步骤，达到像素级的识别， 从而实现对门牌号的精确辨认[10]。
虽然我国的相关研究起步较晚，但也取得了飞速进步。中科院自动化所从 1998 年开始攻关智能视频监控技术，在目标检测、跟踪和行为识别等各个环节都进行了自 主创新，提出了基于卡尔曼滤波器的车辆跟踪算法、基于步态的远距离身份识别算法 和对运动轨迹和行为特征进行神经学习的行为识别算法。研制出的监控系统已在全国 工业、交通、安保等多个重要领域得到应有。该项目在北京 13 号线运用初始，便帮
助破获了多起案件，还在 2010 年的国际计算机视觉算法竞赛中获得图像检测方面冠 军。此外，上海交通大学、北京航空航天大学、浙江大学人工智能研究所、南京理工 大学等高校也进行了这方面的研究[4]。