基于关联分区和ST-GCN的人体行为识别

• 作者: 刘锁兰 顾嘉晖 王洪元 张云鹏
• 来源期刊: 计算机工程与应用
• 关键词: 行为识别 关节点 时空图卷积网络(ST-GCN) 分区策略 学习率
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 模式识别与人工智能|Pattern Recognition and Artificial Intelligence
• 页码范围: 168-175
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2003-0342

摘要

基于骨骼的动作识别因不受人体物理特征的影响,简单清晰地传达了人体行为识别的重要信息而受到广泛关注.传统的应用程序骨架建模通常依赖遍历规则的人为设置而导致表达能力有限和推广困难.因此,在近年来热门的时空图卷积网络(ST-GCN)模型基础上提出了一种新的划分骨架关节点的分区策略.该策略相比于原始分区方法加强了身体相对位置之间的关系,从而有利于提高骨架关节点信息在时间和空间上的关联.与此同时,在训练过程中通过设置不同的迭代学习率以进一步提高识别精度.在两个不同性质的大规模数据集Kinetics和NTU-RGB+D上与现有方法进行识别效果的比较,实验结果表明了该方法的有效性.