11、深度学习在视频动作识别与工作区检测中的应用

深度学习在视频动作识别与工作区检测中的应用

1. 背景与问题提出

近年来，随着视频拍摄设备和分享平台的普及，大量视频数据得以产生和发布。这使得基于视频分析的各种应用在公共、私人和受限区域得到了研究和发展。然而，人工分析大量视频数据不仅压力大，还可能涉及敏感内容，因此需要自动程序来解决相关问题。

本文主要聚焦于两个方面的问题：一是在SHRP2 NDS视频中检测工作区，二是视频中的人类动作识别。人类动作识别旨在根据一个或多个主体所执行的动作对修剪后的视频进行分类，它在智能监控、智能家居、健康监测和人机交互等众多任务中都有应用。但目前视频理解在建模时空关系方面仍面临挑战，将时间信息纳入网络可能会导致训练成本显著增加。

2. 相关人员介绍

2.1 交通领域相关人员

• Franklin Abodo ：佛罗里达国际大学计算机科学硕士研究生，同时是美国运输部Volpe中心的学生实习计算机科学家。他作为软件和机器学习工程师，与城市规划师和交通工程师合作，推动交通模拟模型的发展。
• Robert Rittmuller ：美国运输部Volpe中心的信息技术专家，还担任多个机器学习和人工智能项目的项目经理和业务开发人员。他为NHTSA、FMCSA、FHWA和智能交通系统联合项目办公室等多个美国运输部小组提供技术支持和专业知识。此前，他在一家互联网初创公司担任高管。他于2008年从哈佛大学获得本科学位，目前持有CISSP、PMP和VCP等多项行业认证，业余时间热爱摄影，其作品曾在历史频道展出。他与妻子Karen和儿子Zachary居住在马萨诸塞州塞