[1]蒋俊蕊,魏延,王晶仪,等.基于人体时空骨架特征的图卷积行为识别算法[J].重庆师范大学学报(自然科学版),2022,39(04):124.[doi:10.11721/cqnuj20220404]
JIANG Junrui,WEI Yan,WANG Jingyi,et al.Graph Convolutional Networks for Action Recognition Based on Human Spatial-Temporal Skeleton Features[J].期刊社,2022,39(04):124.[doi:10.11721/cqnuj20220404]
点击复制
JIANG Junrui,WEI Yan,WANG Jingyi,et al.Graph Convolutional Networks for Action Recognition Based on Human Spatial-Temporal Skeleton Features[J].期刊社,2022,39(04):124.[doi:10.11721/cqnuj20220404]
基于人体时空骨架特征的图卷积行为识别算法
重庆师范大学学报(自然科学版)[ISSN:1672-6693/CN:50-1165/N]
卷:
39
期数:
2022年04期
页码:
124
栏目:
出版日期:
2022-07-25
- Title:
- Graph Convolutional Networks for Action Recognition Based on Human Spatial-Temporal Skeleton Features
- 分类号:
- TP391.41
- 摘要:
- 【目的】为了充分利用动态的人体骨架特征,提高行为识别精度,提出一种基于人体时空骨架特征的图卷积行为识别算法。【方法】首先在空间上确定主关节点,再融合各关节点与主关节点之间的向量和关节点间的骨骼长度,获取瞬时状态下关节点的相对位置关系;然后计算相邻两帧之间由相同关节点构成的时序动作信息来描述运动状态;最后,将时空信息融合到时空图卷积网络中,进行端到端训练。【结果】与时空图卷积网络识别算法相比,在400分类Kinetics行为识别数据集上的Top-1和Top-5指标分别提升了1.78%和1.77%,在NTURGB+D数据集的两个基准上的Top-1分别提升4.13%和2.61%。【结论】提出的基于人体时空骨架特征的图卷积行为识别算法是有效实用的。
更新日期/Last Update:
2022-07-25