基于语义引导神经网络的人体动作识别算法

近年来，采用深度前馈神经网络对骨骼关节的三维坐标建模成为了一种趋势。但网络识别准确率低、巨大的参数量以及实时性差仍然是基于骨骼数据动作识别领域中急需解决的问题。为此，提出一种基于语义引导神经网络(SGN)改进的网络模型。首先，在原网络中引入了非局部特征提取模块用于增强其在高级语义指导模型训练和预测的表现，降低了其在自然语言处理任务中的计算复杂性和推理时间；其次，引入注意力机制学习每个图卷积网络层的通道权重并减少通道间的冗余信息，进一步提高模型的计算效率和识别准确率；此外，以可变形卷积模块动态学习不同图卷积网络(GCN)层通道的权重，并有效地聚合不同通道中的关节特征用于网络最后的分类识别，从而提高特征信息的利用率。最后，在NTU RGB+D和NTU RGB+D 120公开数据集上进行人体动作识别实验。实验结果表明，所提出的网络比大多数网络小一个数量级，并且在识别准确率上明显优于原网络和其他一些先进的算法。