使用CNN进行动作识别 在该项目中，对卷积神经网络（CNN）进行了训练，以使用Pytorch对图像和视频进行分类。 数据集 使用过的UCF101数据http://crcv.ucf.edu/data/UCF101.php但仅接受了10个班级（共101个班级）。 每个剪辑有3帧，每帧为64 * 64像素。 片段的标签位于q3_2_data.mat 。 trLb是训练剪辑的标签，而valLb是验证剪辑的标签。 首先对CNN进行训练以对每个图像进行分类。 然后，使用3D卷积训练CNN，将每个剪辑分类为视频而不是图像 Kaggle比赛 CNN对图像的动作识别-排名第10- http://www.kaggle.com/c/cse512springhw3 CNN对视频的动作识别-排名32- http://www.kaggle.com/c/cse512springhw3video

以基于视频的人体动作识别为核心，首先对传统RGB动作识别领域的算法进行了全面回顾，包括传统算法和基于深度学习的算法，基于RGB视频的动作识别易受背景光照的影响识别精度不高，但有丰富的颜色外观信息；然后对RGB-D动作识别领域的算法进行分析总结，主要分为深度序列、骨骼和多特征融合三个方面，RGB-D视频具有多个模态可以为动作识别提供更多的信息，可以弥补基于RGB视频的不足但也带来了新的挑战；最后对常用数据集和未来可能的发展方向进行了展望。

slow-fast network 何凯明最新论文源码，内含部分注释

自己参加比赛的代码分享出来， OpenCV动作识别，OpenCV3.0版本，VS2012完美运行 自己参加比赛的代码分享出来， OpenCV动作识别，OpenCV3.0版本，VS2012完美运行

该代码是一个安卓小项目，应用卷积神经网络访问手机加速度计进行的人体动作姿态识别算法的安卓端开发。开发时需要借助Android Studio.

action_recognition

WiFi-移动-识别 使用 WiFi CSI 信息来识别运动

老人肌电采集和跌倒动作识别概述: 设计表面肌电信号电路采集人体腿上的表面肌电信号，再配合压力传感器采集足底压力信号，STM32处理器实现信号转换和信号处理，绘制表面肌电图(sEMG)和压力信号图，通过特征提取、模式识别等方法，判别人体的简单动作并做跌倒动作识别，将跌倒检测结果通过蓝牙发送至手机端，手机客户端报警提示。 足底压力模块: 足底压力TFT显示: 手机客户端报警:

该课题为基于MATLAB的人体动作识别，读取测试图片，提取前景，框定目标，根据长宽比例判别。

本文来自于csdn，本文章主要运用了多个图片介绍了如何基于深度学习的动作进行识别，希望对您的学习有所帮助。