基于双流图卷积网络的人体行为识别算法

作     者：王宪伦 王广宇 孙宇轩 WANG Xianlun;WANG Guangyu;SUN Yuxuan

作者机构：青岛科技大学机电工程学院山东青岛266000 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2023年第42卷第7期

页      面：140-143,147页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(51105213) 

主　　题：图卷积网络 人体行为识别 时空图卷积网络 双流图卷积网络 

摘      要：针对传统的卷积网络对人体行为识别速度不高或识别精度偏低的问题,提出了基于图卷积网络(GCN)的人体行为识别算法。首先,介绍了时空图卷积网络(ST-GCN)算法,该算法将人体骨架信息归类于图信息,并在时域和空间域上对人体信息进行图卷积运算;其次,使用双流GCN进行模型的搭建,双流GCN是对ST-GCN的一种改进,为某些相距很远但某些动作中关系密切的点创建“不可能连接,并提出骨骼的长度和方向对人体行为识别也起到重要作用的观点。实验结果表明:对于选取的4个行为的平均识别率达到了92.2%,因此,基于双流GCN算法的人体行为识别方法具有可行性。