科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于骨架数据的动作识别方法由于其对动态环境和复杂背景的强适应性而受到广泛的关注和研究，应用图卷积网络描述人体骨架实现人体动作识别可以取得很好的识别效果，但实现过程中图的拓扑结构通常是手动设置的，且在所有层和输入样本上的结构固定，只能捕获关节之间的局部物理关系，会遗漏非物理连接的关节相关性。文章提出了一种新的基于区域关联自适应图卷积网络的骨架动作识别，通过自适应图卷积使参数化的全局图和单个数据图的结构与模型卷积参数在不同的层中分别进行训练和更新，增加了模型中图形构造的灵活性与模型对于各种数据样本的通用性。同时引入区域关联图卷积，通过在关节特征与连接特征之间交替信息传递来捕获数据帧间各关节的非物理连接相关性。并加入骨骼的二阶数据对原有关节数据进行信息补充，融合两者构成双流网络提升识别网络的性能。在NTU-RGBD大规模数据集上的实验表明，该模型在动作识别的准确率上有了一定的提升。
- 单位
