基于图卷积的局部特征细化动作识别方法

动作识别是计算机视觉领域一个重要研究方向。目前,主流方法在局部动作特征上的关注度不足。部分动作识别方法为关注局部动作特征,将预定义的人体骨架拆分成左右手、左右腿等多个部分。但是,这些部分包含的骨架关键点较少,使得动作特征较相似,导致识别准确率降低。此外,已有基于局部动作特征的动作识别方法未充分考虑全局姿态特征,模型识别准确率不稳定。为此,提出基于图卷积的局部特征细化动作识别方法。将预定义人体骨骼拓扑图划分为身体、上下肢,加强模型关注局部动作特征的能力。同时,设计局部特征细化器,采用对比学习策略扩大不同种类动作的局部动作特征差异,缩小同类动作之间的差异,解决因划分策略造成动作特征相似的问题。在此基础上,将上下肢与身体的分类结果相结合,充分利用全局姿态特征,提高模型的稳定性。实验结果表明,该方法在NTU RGB+D 602个基准数据集X-Sub、X-View的识别准确率分别为93.0%和98.8%,在NTU RGB+D 1202个基准数据集X-Sub、X-Set的识别准确率分别为88.8%和90.1%,能够有效提高动作识别的准确率。