1. 研究目的与意义（文献综述包含参考文献）

文 献 综 述 近年来， 被广泛关注的深度学习算法已经被成功运用于语音识别、图形识别等各个领域. 深度学习理论在静态图像特征提取上取得了卓著成就， 并逐步推广至具有时间序列的视频行为识别研究中。

[1] 人体行为识别因为其广泛的应用而成为一个热点研究领域［2］，包括人机交互、异常行为检测［3］等等。

行为识别的关键是对具有强烈描述能力的行为特征的提取， 早期的对特征提取而手动设计的特征，例如hog／hof［4］、hog3d［5］等通常都是通过特定的目的进行设计的， 由于通常它都是对于固定的数据集进行设定的，因此可能无法适应现实世界中的很多场景。

2. 研究的基本内容、问题解决措施及方案

人体行为识别的大致流程如下： 本课题拟在windows系统下，基于tensorflow平台，使用python程序语言进行人体行为识别的处理工作。

2.1视频数据采集 本文的视频数据拟采用kinects、activity等数据集或实拍视频流。

2.2数据预处理与目标检测 预处理训练样本集和测试样本集中的所有图像，通过高斯混合模型提取出目标运动前景，获得前景运动时的二值图像。