Human Action Recognition from Various Data Modalities: A Review 论文链接：https://arxiv.org/abs/2012.11866 作者单位：新加坡科技设计大学, 墨尔本大学等 30页人体行为识别(HAR)综述，共计438篇参考文献！本文回顾了针对单个数据模态(如RGB/骨架/深度/红外/点云等)的基于手工特征的方法和基于深度学习的方法，并回顾了基于多种模态的方法。还介绍了HAR的当前基准数据集。

旨在了解人体行为然后分配类别标签的人体动作识别（HAR）具有广泛的应用，因此在计算机视觉领域引起了越来越多的关注。通常，可以使用各种数据模态来表示人体行为，例如RGB，骨架，深度，红外序列，点云，事件流，音频，加速度，雷达和WiFi等，这些数据会编码有用但独特的信息的不同来源并具有各种优势和应用场景。因此，许多现有工作已尝试使用各种方式来研究用于HAR的不同类型的方法。在本文中，我们将从输入数据模态的角度对HAR进行了全面的调查。具体来说，我们回顾了针对单个数据模态的基于手工特征的方法和基于深度学习的方法，并且还回顾了基于多种模态的方法，包括基于融合的框架和基于共同学习的方法。还介绍了HAR的当前基准数据集。最后，我们讨论了该领域中一些潜在的重要研究方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除