《人类行为识别》课程教学大纲.docx

人类行为识别教学大纲一、课程基本信息课程名称人类行为识别Human Behavior Recognit ion课程编码CST521621015开课院部计算机科学与技术学院课程团队计算机视觉教学团队学分1.5课内学时32讲授8实验0上机24实践°课外学时0适用专业智能科学与技术授课语言中文先修课程计算机视觉课程简介 （限选）本课程为面向计算机科学与技术学院智能科学系开设的专业必修课.针对本科高年级学生.学习完整的人类行为识别基础理论。要求 学生熟悉数字信号与多媒体对象、尤其是图像的处理方法，建议选修、非必要的前置课程可包括：人工智能导论、机器学习、图形图像智 能分析技术、计算机视觉等。人类行为识别是计算机视觉一个更要的研究方向，本课程介绍人类行为识别的基本问题.帮助学生掌握该领域的基本概念，基础知识 和基本方法.为从事相关领域研究打开一扇大门。课程还通过经典文献阅读、经典算法与应用的聆证.锻炼学生在计算机科学领域的学习 与探索能力。并且以课程专业知识点为主，挖掘课程知识点与思政元素的融合点为目标，利用思政案例、使学生在掌握专业知识的同时, 培养学生树立正聃的价值观和深入理解社会主义核心价值观等，This course is a professional required course for the Department of Intel 1igence Science of the Col lege of Computer Science and Technology. It is aimed at senior undergraduate students and learns a complete basic theory of human behavior recognition. Students are required to be familiar with digital signals and multimedia objects, especially Image processing methods. It is suggested that optional and unnecessary pre-courses can include: Introduction to Artificial intelligence, machine learning, intelligent analysis technology of graphics and images, computer vision, etc.Human behavior recognition is an important research direction of c<xnpuler vision. This course introduces the basic problems of human behavior recognition and helps students master the basic concepts, basic knowledge and basic methods in this field, open a door for research in related fields. The course also trains students' learning and exploration ability in the field of computer science through reading classic documents and verifying classic algorithms and applications.负责人大纲执笔人审核人二' 课程目标序号代号课程目标OBE毕业要习R指标点任务自选1Ml目标1：掌握人类行为识别领域的基本概念，基础知识和基本方法是2.22.22M2目标2：通过经典文献阅读、经典算法与应用的验证，锻煤学生在计算机科学领域的学习与探索能力是2.22.23M3目标3： 了解人类行为识别研究与应用的最新进展和发展方向,开网视野并进行应用，能够分析计算 应用领域的豆杂工程问题，使用人工智能的方法为相关实际问题构建可行是2.32.3三、课程内容序号章节号标题课程内容/重难点支撑课程目标课内学时教学方式课外学时课外环节1第一章特征提取本章重点难点：HOG、SIFT,其他传统特征提取的方法（SURF、ORB、 LBP、 HAAR）Ml21. 1人类行为识别综述介绍人类行为识别的基本概念和发展现状；突出介绍国内发展 现状和国内科研人员成果；行为识别前景；行为识别流程 目标检测的时间差分法、光流法、背景减除法；目标分类的基 于基于形状信息分类和基于目标信息分类的两种方法；/1讲授/31.2IIOGHOG的具体原理和计算方法/1讲授/41.3SIFTSIFT特征提取的实质；构造过程；应用/1讲授/51.4SIFT与HOG比较 及其他传统特征提 取方法两种算法的优缺点及适用范围；其他特征，例如SURF、ORB、 LBP、HAAR几种算法的原理；优缺点/2讲授1自学6第二章特征表示本章重点难点特征表示基本概念、词袋模型、主题模型、树 模型Ml/72. I特征表示基本啜念特征表示基本概念/1讲授/82.2人体描述边界框描述，棍棒图描述；21）轮廓；3D体；多人姿态估计；视 频姿态估计与跟踪/1讲授/92.3运动跟踪四种运动跟踪方法及比较；运动目标的特征中常用特征向量及/2讲授/复杂背景下特征向量；运动表征：外观形状特征、运动特征、 形状特征与运动特征的融合、时空特征102.4词袋模型词袋模型的定义；词袋模型的特点；词袋模型的范例；垃圾邮件过滤/2讲授1自学112.5主题模型主题模型的定义；主题模型的发展；主题模型相关理论；主题 模型的应用/2讲授1自学122.6树模型树模型的定义；树模型的简述；树模型的优缺点；评估方法2讲授/13第三章人体检测本章重点难点：基于深度学习的人体检测算法M2/ /143.1模板训练和模板匹 配什么是模型训练和模型匹配；模板训练算法有哪些；各种匹配 方法的原理和区别/2讲授1自学153.2基于深度学习的人 体检测算法基于无监督学习的行为识别原理及相关案例模型和网络结构讲 解；基于卷积神经网络的行为识别原理及相关案例模型和网络 结构讲解；基于循环神经网络与其扩展模型的行为识别原理及 相关案例模型和网络结构讲解/2讲授1自学16第四章行为识别的方法本章重点难点：基于模板匹配的方法；基于状态空间的方法； 基于语义描述的方法M3/174.1基于模板匹配的方 法基于模板匹配的方法；基于模板匹配的方法之DTW介绍及优缺 点；讲解MEI. Mill,二维网络，DTW/2讲授/184.2基于状态空间的方 法隐马尔可夫基本结构介绍及其改进模型；动态贝叶斯网络；人 工神经网络；支持向量机原理及其优缺点；连信网络/2讲授/194.3基于模板匹配的方 法和基于状态空间 的方法两种方法比 较基于模板匹配的方法和基于状态空间的方法两种方法比较/2讲授/204.4基于语义描述的方 法基于语义描述方法原理及应用范围/2讲授1 /214.5行为分层模型行为层、动作层、字体层2讲授/224.6行为识别难点运动分割的定义及方法；人体运动分割的意义、方法、人体建 模的概念和应用范围、行为识别Tw>-Slreum和C3D两大流派 的思想及代表算法/2讲授/四、港核方式序号考核环节操作细节总评占比1课后作业主要考察学生对课后作业的完成情况，包括在限定时间之前完成并能够完成作业要求的所有项目20S2平时表现主要考察出勤率.在课堂上回答问题等交互情况等10%3期末考试主要考核学生对本门课程重点介绍的知识点的掌握情况70%五、评分细则序号课程目标考核环节大致占比评分等级1Ml期末考试60%A-按时提交作业，基本知识点理解无误.B-按时提交作业，基本知识点理解存在少量错误。C-按时提交作业，基本知识点存在有限的错误。不能按时提交作业,基本知识点存在一些错误” E-不能按时提交作业，存在大量错误。2Ml平时表现40%（见试卷评分标准）3M2课后作业60%A-按时提交作业，基本知识点理解无误。B-按时提交作业，基本知识点理解存在少量偌误。Q按时提交作业，基本知识点存在有限的错误。D-不能按时提交作业，基本知识点存在一些错误。E-不能按时提交作业，存在大量错误。4M2平时表现40%（见试卷评分标准）5M3期末考试100%（见试卷评分标准）评分等级说明：A, B, C, D, E=90-100,80-89,70-79,60-69,0-59; A, B, C, D=90-100,75-89,60-74,0-59: A, B, C-90-100,75-89,60-74,0-59: A, B=80-100,0-79六、教材与参考资料序号教学参考资料明细1期刊论文|A Review of Human Activity Recognition Methods, Michalis Vrigkas, Christophoros Nikou and Ioannis A. Kakadiaris, Front. Robot. AI, 2015.2期刊论文【3D skeleton-based human action classification: A survey, Liliana Lo Presti, Marco La Cascia, Pattern Recognition, 2016.3期刊论文【A survey on vision-based human action recognition, Ronald Poppe, Image and Vision Computing, 2010.