| 融合因果关系和时空图卷积网络的人体动作识别 |
| |
| 引用本文： | 叶松涛,周扬正,范红杰,陈正雷.融合因果关系和时空图卷积网络的人体动作识别[J].计算机科学,2021,48(z2):130-135. |
| |
| 作者姓名： | 叶松涛 周扬正 范红杰 陈正雷 |
| |
| 作者单位： | 湘潭大学计算机学院 湖南 湘潭 411105;中国政法大学科学技术教学部 北京 102249;国家体育总局武术研究院 北京 100029 |
| |
| 摘 要： | 基于人体骨骼的动作识别因具有简洁、鲁棒的特点,近年来受到了广泛的关注.目前大部分基于骨骼的动作识别方法,如时空图卷积网络(ST-GCN),通过提取连续帧的时间特征和帧内骨骼关节的空间特征来区分不同的动作,取得了良好的效果.考虑人体运动中存在的因果性关系,提出了一种融合因果关系和时空图卷积网络的动作识别方法.针对计算关节力矩获取权重复杂的情况,根据关节之间的因果关系为骨骼图分配边权重,并将权重作为辅助信息增强图卷积网络,来提高驱动力较强的关节在神经网络中的权重,降低重要性低的关节的关注度,增强重要性高的关节的关注度.相比ST-GCN等方法,在Kinetics公开数据集上,所提方法无论是Top-1还是Top-5都有较大的提升,在构建的真实太极拳数据集上的识别精度达97.38％(Top-1)和99.79％(Top-5),证明了该方法可以有效地增强动作特征,提升识别的准确率.
|
| 关 键 词： | 动作识别 因果关系 权重嵌入 时空图卷积网络 收敛交叉映射 |
Joint Learning of Causality and Spatio-Temporal Graph Convolutional Network for Skeleton-based Action Recognition |
| |
| YE Song-tao,ZHOU Yang-zheng,FAN Hong-jie,CHEN Zheng-lei.Joint Learning of Causality and Spatio-Temporal Graph Convolutional Network for Skeleton-based Action Recognition[J].Computer Science,2021,48(z2):130-135. |
| |
| Authors: | YE Song-tao ZHOU Yang-zheng FAN Hong-jie CHEN Zheng-lei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
