基于残差独立循环神经网络的空间增强人体骨架行为识别

为解决循环神经网络缺乏空间信息且在训练中易出现的梯度消失和爆炸的问题,提出了一种增强空间尺度特征的残差独立循环神经网络人体骨架行为识别算法。研究了人体骨架的空间表达能力增强方法,将原始骨架关节三维坐标转移到人体坐标系后进行尺度变换,进而输入到改进的残差独立循环神经网络对人体骨架序列行为进行识别。改进后的人体骨架能有效缓解人体骨架大小、形状,摄像机的位置等差异带来的影响,提高模型的鲁棒性。残差独立循环神经网络具有独立的神经元,通过约束递归权值解决了梯度问题,具有较好的性能。在NTU RGB+D数据集上取得跨受试者80.1%的识别率,结果证实该算法的有效性。