基于时空多残差图卷积的3D骨骼点动作识别

近年来,随着人机交互和智能监控需求的增加,基于骨骼点的人体动作识别方法获得越来越广泛的研究和应用.传统方法多从已知骨骼序列中提取信息,依赖手工选取的特征,并利用骨骼点之间动态变化对动作建模.现有的时空图卷积网络模型仅利用时域的局部特征信息对动作识别分类,忽略了全局特征信息的作用,造成对于相似动作的判定不准确的问题.针对此问题,本文提出一种基于时空图卷积的多残差图卷积模型,利用图卷积网络获取的局部特征信息与残差卷积模块获取的全局特征信息相融合,从而提高了模型的表达能力.同时通过自适应池化的方法,减少了网络超参数的使用,增加了网络模型的泛化能力.通过在NTURGB-D、Kinetics等大型数据集上的大量实验表明,所提模型可以获得比现有时空图模型更好的识别效果.