基于轻量级图卷积网络的校园暴力行为识别

针对卷积神经网络和图卷积网络的两类算法在校园暴力行为识别中识别速度和识别率不高的问题，本文提出一种结合多信息流数据融合和时空注意力机制的轻量级图卷积网络。以人体骨架为研究对象，首先融合关节点和骨架相关的多信息流数据，通过减少网络参数量来提高运算速度；其次构建基于非局部运算的时空注意力模块关注最具动作判别性的关节点，通过减少冗余信息提高识别准确率；接着构建时空特征提取模块获得关注关节点时空关联信息；最终由Softmax层实现动作识别。实验结果表明：在校园安防实景中对拳打、脚踢、倒地、推搡、打耳光和跪地6种典型动作识别准确率分别为94.5%,97.0%,98.5%,95.0%,94.5%,95.5%，识别速度最大为20.6 fps。在UCF101数据集上对比两类基准网络，识别速度和准确率均有提升，验证了方法对其他动作的通用性，可以满足对校园典型暴力行为识别的实时性和可靠性要求。