基于人体骨架数据的动作识别研究
现如今基于骨架的动作识别已广泛应用于多媒体应用中,如人机交互、人类行为理解和医疗辅助应用.基于上述背景,对于基于深度学习的骨骼数据的人体动作识别方法加以研究.以MS-G3D为模型为研究基础,对其进行修改优化以达到更高效的人体动作识别并设计实现软件达到骨骼数据可视化的效果.文章软件设计制作基于PYQT5进行开发,使用了Python编程语言多个模块进行视频和其他数据的管理.文章基于骨骼的人体动作识别研究,通过将原MS-G3D模型的GCN和TCN多尺度邻接矩阵扩大得到感受野扩大的效果.修改后邻接图增加更多运动信息.通过采用NTU RGB+D 60的joint在Cross-Subject(X-Sub)模式下做数据集进行的实验.修改后的模型相较于原本的MS-G3D模型,准确率提升更为稳定,模型收敛速度更快.结论证明了修改邻接矩阵对于模型的积极作用.
骨骼数据、深度学习、MS-G3D、邻接矩阵、NTU RGB+D 60、感受野
19
TP18(自动化基础理论)
中国矿业大学北京大学生创新训练项目;中国矿业大学北京本科教育教学改革与研究项目;中央高校基本科研业务费专项资金项目
2023-08-07（万方平台首次上网日期，不代表论文的发表时间）
共5页
5-9
