MATLAB人体行为识别，可以识别动作姿态，行为是否异常。可以导入视频或者图片。带界面GUI。matlab，需要具备一定编程基础。

为改善人体行为识别任务中准确率低的问题，提出了一种基于批归一化的卷积神经网络（CNN）与长短期记忆(LSTM)神经网络结合的神经网络。CNN部分引入批归一化思想，将输入网络的训练样本进行小批量归一化处理，经过全连接之后，送入长短期记忆神经网络中。该算法采用时空双流网络模型结构，视频数据的RGB图像作为空间流网络输入，光流场图像作为时间流网络输入，再将时空双流网络各自得到的识别结果进行加权融合得到最终的行为识别结果。实验结果表明，本文设计的时空双流神经网络算法在人体行为识别任务上具有较高的识别准确率。

基于可穿戴传感器的人体行为活动的数据采集与识别，谭海清，张雷，人体行为识别技术旨在感知行为数据来识别行为类别，拥有广阔的应用前景并受到了广泛的学术关注，被用于移动健康看护、随身运动监

行业分类-外包设计-基于在线序贯极限学习机的递增式人体行为识别方法.zip

基于CNN/LSTM和稀疏下采样的人体行为识别

本课题为基于形态学的人体行为检测系统，可以识别卧躺，站立，蹲坐等几种姿势。根据圈定的矩形长宽比例，带有一个GUI可视化界面，程序简单易懂通俗。

基于四元数时空卷积神经网络的人体行为识别.pdf,传统卷积神经网络（CNN）只适用于灰度图像或彩色图像分通道的特征提取，忽视了通道间的空间依赖性，破坏了真实环境的颜色特征，从而影响人体行为识别的准确率。为了解决上述问题，提出一种基于四元数时空卷积神经网络(QST CNN)的人体行为识别方法。首先，采用码本算法预处理样本集所有图像，提取图像中人体运动的关键区域;然后将彩色图像的四元数矩阵形式作为网络的输入，并将CNN的空间卷积层扩展为四元数空间卷积层，将彩色图像的红、绿、蓝通道看作一个整体进行动作空间特征的提取，并在时间卷积层提取相邻帧的动态信息；最后，比较QST CNN、灰度单通道CNN（Gray CNN)和RGB 3通道CNN(3Channel CNN)3种方法的识别率。实验结果表明，所提方法优于其他流行方法，在Weizmann 和 UCF sports 数据集分别取得了85.34% 和80.2%的识别率。

课题为利用MATLAB的做差法，求出测试图和背景图的人体轮廓，根据人体的躺下，坐下，站立的时候最外接矩形的长宽来判断是什么姿态。带GUI界面。算法是差影法，理解起来很容易。

人体行为识别open-mmlab/mmskeleton中的kinetics-skeleton数据集，包含了kinetics_train_label.json，kinetics_val_label.json，还有生成之前的各个视频的json文件

主要讲述人体行为识别的基础流程，归纳了人体行为识别常用的数据集，总结了时域分割的发展现状和常用的方法，讲解了人体行为识别比较经典的方法，并归纳了人体行为识别最新、最热的深度学习方法。引入了动作分割，再结合行为识别，能够实现连续的人体行为识别，使得行为识别适用于实际场景，而不再是对经过人工剪辑好的单个视频进行识别，这在实际应用中意义重大。