| 本项目提出深度形体动作识别关键技术研究，通过对社区安防及视频形体识别任务的要素拆解与分析，提出了从数据不平衡处理到模型平台构建再到深度模型压缩等多个方向的子课题，并提出了多个方案解决。项目在技术应用方面具有较好的创新性，重点着眼于在数据补强、轻量化落地等问题，开发的相关平台集成了模型训练和测试和部署等模块，减少操作人员部署时的知识需求，为有关方面的视频监控识别和社区异常行为预警等问题提供了应用支持。本项目围绕基于深度学习的形体动作识别关键技术展开研究分析了深度形体识别方法及其在社区安防的应用层面关键点和痛点，涉及数据的采集及自动增强、模型设计及训练平台构建以及模型剪枝轻量化落地应用三个子部分，并各自提出了一种或多种切实可行的解决方案，研发出面向视频的动作识别平台，实现深度形体动作识别的应用。主要研究内容包括以下三个方面。
1.形体动作识别模式研究
项目基于图形图像处理、形体动作估计、深度学习方法等，研究形体动作图形化的关键技术，基于压缩感知的动作属性时空精确定位模型，研究同类形体动作运动在时间和空间上动作变化模式，解决形体动作识别和描述的精确等问题。
2.视频图像内容与动作类别映射
通过对监控摄像采集的原始图像序列数据进行处理和分析，针对复杂场景下学习人体的动作和行为特征，结合深度学习方法，对连续动作构成的视频子序列进行辨识与分类，建立视频图像内容与动作类型类别之间的映射关系，提升动作识别的准确性。
3.社区安防系统应用与示范
研究和定义与社区安防相关的人体动作类型与准则，不同事件、动作、行为等不同紧急层次的划分和明确，为紧急事件的精确检测和预警响应提供技术支持；开发基于视觉监控的社区安防预警系统并进行示范推广应用。
项目成功研发的产品在社区安防上具有积极的作用：
一是改变小区需要装大量监控摄像头的现状，节省人力物力；
二是提高社会安定，减少不必要的损失，减轻民警工作压力；
三是项目的技术将会促进人工智能方面深度学习领域的发展，为广东省信息产业发展提供高水平的智力支持。 |
