近日，谷歌发布AVA (Atomic Visual Actions)数据库，由YouTube公开的视频集组成，这些视频可以用80个原子动作进行标注，例如走路、握手、踢东西等，所有动作具有时空定位，累计有5.76万个视频片段，9.6万个人类动作，以及21万个动作标签。谷歌称，此次发布的AVA技术将帮助谷歌分析多年的视频，还能帮助广告商更好地瞄准消费者。他们的最终目标是教计算机社交视觉智能化，即“理解人类在做什么，下一步该做什么，以及他们想要实现什么目标。”
目前，国内一些科研院所和企业也已经在行为识别相关领域进行重点投入，以解决视频监控数据理解这一瓶颈问题，但要达到让机器通过行为“理解”人类这个最终目标，还需要很多努力。“目前，人体行为识别大多还处在动作识别阶段，对于实际应用而言，识别人的动作，还是一个巨大的挑战。”11月8日，济南大学模式识别与智能系统研究所所长李金屏教授。动一动，机器就能发现你？有关专家表示，现阶段，这是一件“可以有”的事。
应用：安防等领域大展神威
李金屏告诉，动作识别可以看成是特征提取和分类器设计相结合的过程。养老院中,如果出现老人摔倒，行为识别系统可以立刻向工作人员发出警报，甚至直接与医院进行联系；黑科技满满的《碟中谍5》，安保系统的最后一道防线是步态识别……尽管技术难点重重，行为识别目前仍然在相关领域获得了应用。
浙江大学人工智能研究所所长吴飞教授告诉，这项最早被苹果和微软应用于游戏的技术，还在公检法(在押人员审讯看护)、电力(风力发电、国家电网的安全生产)、银行(业务区域智能安防)、医院(病人状态监护)等多个场景有更广的应用空间。尤其在安防等领域，以行为识别为基础的应用更广泛。
比如通过人的走路方式来识别身份的步态识别，虽然属于身份识别，但是也是行为识别和身份识别的一种有效交叉。步态识别是一种通过人们走路姿态进行的身份识别，分为人形检测、分割、识别、跟踪四个部分，而这些部分最具挑战的环节都离不开以行为识别为基础的研究。
在近年来寻找失踪人口和嫌犯追逃的工作中，步态识别已经发挥了不小的作用。《机智过人》节目中，银河水滴科技成功通过步态识别现场“嫌疑人”，加大难度后，还靠步态识别出狗的剪影。
银河水滴科技创始人兼CEO黄永祯说，通过步态识别来实现异常行为分析，这是步态识别相比于其他生物特征识别的重要优势之一。异常行为的应有之义就包括可以通过视觉观察目标体形和动作状态，来发现是否有异常行为，通常会涉及到目标检测、分割、关键点定位、识别、跟踪等技术环节，而这些技术环节也是步态识别的核心底层技术。目前，他们已能很好地完成远距离非受控模式识别。
难点：定位、跟踪、场景步步为艰
“行为识别的难点，首先表现为从连续视频流中对人体运动的定位难、追踪难。”吴飞说，在视频行为识别中，要找到一个连续动作的起点和终点，即将连贯动作从视频流中定位出来，在视频识别中是非常困难的。而在找到某个连贯动作的起点后，对这个动作进行鲁棒跟踪也比较困难。比如一个跳跃动作，要实现追踪动作持续展开的过程就不容易，还要考虑场景的复杂性以及背景动态变化或者摄像头晃动等因素。
不仅如此，场景识别也是一大难点。首先，即使是同一类动作，在不同时刻、不同场景也具有很大差异性。吴飞举例说，比如不同的人在不同时刻行走，速度、姿态和场景遮挡等方面都有差异。不同类别动作之间更是如此。李金屏表示，“与静态对象不同，动作会随着时间的推移而展开，会有更多不确定因素。”比如一幅人的“跑步”照片，实际上有可能只是这个人在跳跃的动作，只有看到更多画面，才有可能清楚地知道到底发生了什么。可见人在场景中的动态是多么复杂。因此某一动作的识别方法很难直接用在另一动作的识别上。“一个动作，人类辨识两三遍就可以了，但要让机器记住并识别，则需要大量的训练数据。”李金屏说。
此次谷歌发布的AVA与其他数据集相比，通过在相关场景中提供具有精细时空粒度的多个标签，将极大推动人们对于相关模型的深入研究，最终不但能够实现人的复杂活动精确建模，还将进一步获得实际应用。
展望：设备平台、理论模型方兴未艾
“在行为识别领域，中国未来五年、十年的发展后劲非常强，建议在设备和平台方面进行攻关，现在国内好多团队的设备还是采用微软等国外企业的设备和平台，希望国家在这方面给予一定的支持和政策引导。”李金屏说。 在吴飞看来，中国的科研团队和企业还应该在理论模型、数据驱动等基础理论方面进行深耕。“一个行为动作的过程要经历多个状态(对应很多时间帧)，人体在每个时刻也呈现出不同的姿态，那么，是不是每一帧在动作判别中的重要性都相同呢？对于行为动作的判别，是不是每个关节点在动作判别中都同等重要呢？这些都需要理论模型等基础理论的完善。”吴飞说。
18221259202