基于深度学习的动作识别方法简介
深度学习的概念最早是在 2006 年由杰弗里与他的学生提出的，深度学习是机器学习的一种具体应用，它一经提出就引起了社会各界的广泛关注，使得其在学术界体现了巨大的作用，并且在工业界也有具体的应用，包括图像处理、语音识别和自然语言处理，其中图像处理领域是深度学习应用最为广泛的领域之一，其主要契机就是在 ImageNet 图像识别大赛中深度学习算法远远超过其他算法，体现了其巨大的优越性，包括深度学习方法在于视频的行为识别上也能够得到有效应用，因此在机器学习方法的基础上，深度学习方法逐渐变成人们研究实时性高的行为识别方法的工具。
迄今为止，深度学习中有一种叫做卷积神经网络（CNN）的方法，通过建立简单的卷积网络来进行图像识别，形成一个图像识别的系统，此方法对高像素的图像也能够进行图像识别，同时能够减少过拟合。更重要的是，在硬件条件上加入 GPU后，能够使得图像处理速度更快，使得网络训练更加的与训练数据拟合。总的来说，深度学习是图像处理中最能够使得识别准确率变高、达到高实时性的方法，其对于图像处理的重要性不言而喻。
一般来说，基于深度学习方法的行为识别方法包括传统的行为识别方法，以及基于目标检测、目标识别、轨迹分析过程的行为识别方法，此过程中目标检测与目标识别过程分别采用深度学习方法实现，并通过先验知识进行轨迹分析最终得出特定行为类别。在旅游场景中，运用深度学习方法实现行为识别的研究较少，
The End