基于多尺度多分支特征的动作识别

摘要：

针对基于人体骨架序列的动作识别存在的特征提取不充分、不全面及识别准确率不高的问题,本文提出了基于多分支特征和多尺度时空特征的动作识别模型.首先,利用多种算法的结合对原始数据进行了特征增强;其次,将多分支的特征输入形式改进为多分支的融合特征信息并分别输入到网络中,经过一定深度的网络模块后融合在一起;然后,构建多尺度的时空卷积模块作为网络的基本模块,用来提取多尺度的时空特征;最后,构建整体网络模型输出动作类别.实验结果表明,在NTU RGB-D 60数据集的两种划分标准Cross-subject和Cross-view上的识别准确率分别为89.6％和95.1％,在NTU RGB-D 120数据集的两种划分标准Cross-subject和Cross-setup上的识别准确率分别为84.1％和86.0％.与其他算法相对比,本文算法提取到了更为多样化、多尺度的动作特征,动作类别的识别准确率有一定的提升.

关键词：动作识别、多尺度特征、多分支特征、特征融合

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：吉林省科技厅重点项目No.20210201132GX

在线出版日期：2022-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1614-1625