基于关节点运动估计的人体行为识别

摘要：

基于人体骨骼数据分析人体行为的方法可解释性强,在基于视觉的人体行为分析研究中具有明显优势.但视角干扰及目标遮挡严重影响人体骨骼关节点的标定.本文提出了一种在人体结构约束条件下的基于人体姿态特征的人体骨骼关节点估计算法,并根据骨骼数据识别人体行为.首先根据人体运动的稳态趋势和暂态变化,基于决策树和加权线性回归分别建立特征提取模型,对缺失或混淆的关节点进行估计.然后设计了一个结合轻量级时间卷积和注意力图卷积的行为识别网络模型,针对行为样本的时间尺度优化模型.在NTU RGB+D 60数据集中建立遮挡情况进行实验,准确率分别达到90.28％(CV)与81.95％(CS),且在UTD-MHAD数据集中达到98.2％,均优于现有方法.

关键词：行为识别、人体姿态估计、时间卷积、图卷积、运动估计

所属期刊栏目：45

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFB1313600

在线出版日期：2023-04-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：153-160