各位大佬好，大四CV方向的留学狗，刚接触深度学习，毕设准备做使用监控摄像头实时检测人体动作和异常检测，请问大佬们有推荐的相关算法吗？
现在暂时打算用YOLO和openpose做，大佬们有什么建议吗。
首先表扬你一下，你的思路是没有问题的。采用YOLO和openpose的做法对付毕业肯定是不成问题的。
下面主要来分析问题：
因为你是想做动作识别和异常检测，其实最重要的就是动作识别，因为如果动作识别或者说分类出来了，就直接判断是否是异常情况。因此你的关键任务应该是在动作识别。
具体做法：
由于你是要对人的动作进行识别，所以一般分两步来做：先检测图片中人的位置（矩形框），在判断该位置处人的动作。因此你要深度学习来做的话，你的任务也就是两部分：深度学习目标检测+动作识别
所以你采用YOLO和openpose的方法是没有问题的。当然，你也可以选用其他的目标检测算法，比如faster rcnn，ssd等，具体选择在于你对速度和精度的权衡。
流程
a) 输入图像；
b) 从输入图像中检测部分边界框；
c) 检测出肢体；
d) 区分图中每个人。
给你推荐一篇论文https://link.zhihu.com/?target=http%3A//taikisekii.com/PDF/Sekii_ECCV18.pdf
这篇论文的方法是先将图片分割为较小的网格，使用较小的网络对每一幅网格图片进行单次物体检测范例，之后通过区域提议（region proposal）框架将姿态检测重定义为目标检测问题。
之后，使用单次CNN直接检测肢体，通过新颖的概率贪婪解析步骤，生成姿势提议。
区域提案部分被定义为边界框检测（Bounding Box Detections），大小和被检测人身材成比例，并且可以仅使用公共关键点注释进行监督。
整个架构由单个完全CNN构成，具有相对较低分辨率的特征图，并使用专为姿势检测性能设计的损耗函数直接进行端到端优化，此架构称为姿态提议网络（Pose Proposal Network，PPN）。PPN借鉴了YOLO的优点。
希望能帮到你