基于骨骼时序散度特征的人体行为识别算法

作者：田志强; 邓春华; 张俊雯

来源：计算机应用, 2020, 1-8.

• 骨骼
• 行为识别
• 图卷积
• 时序散度
• 注意力 skeleton
• behavior recognition
• graph convolution
• temporal divergence
• attention

人体行为识别是智能监控、人机交互、机器人等领域的一项重要的基础技术。图卷积神经网络（GCNs）在基于骨骼的人体行为识别方面取得了卓越的性能。利用GCNs在人体行为识别研究中存在以下难点问题：1）人体骨架骨骼点采用坐标表示，缺乏骨骼点的运动细节信息；2）在某些视频中，人体骨架的运动幅度太小，关键骨骼点的表征信息不明显。针对上述问题，首先提出骨骼点的时序散度模型，描述骨骼点的运动状态，放大了不同人体行为的类间方差；并进一步提出了时序散度特征的注意力机制，突显关键骨骼点，进一步扩大类间方差。最后根据原始骨架的空间数据特征和时序散度特征的互补性构建了双流融合模型。该算法在权威的人体行为数据集NTU-R...

• 单位
  智能信息处理与实时工业系统湖北省重点实验室; 武汉科技大学