基于双扩展时域自适应图卷积神经网络的骨架动作识别

摘要：

为提高人机交互过程中动作识别的识别率,提出了一种基于骨架的图卷积神经网络动作识别方法.首先,针对人机交互任务设计了一套动作命令集并进行数据采集,通过坐标系变换进行了视点无关处理,减少动作对位置的敏感性.然后,为了保证对整个动作过程中局部时间与全局时间的特征提取,通过对不同膨胀因子的卷积进行结合,设计了双扩展时域卷积层.最后,通过与自适应空间图卷积层结合建立双扩展时域自适应图卷积神经网络模型.对所建立的模型用数据集进行实验验证,结果表明:动作的总体识别率为98.5％,每一类动作的识别率达97.5％以上,识别效果优异,能够完成人机交互任务的需求.

关键词：人机交互、动作识别、图卷积神经网络、双扩展时域卷积层

所属期刊栏目：28

分类号：TP242.6(自动化技术及设备)

资助基金：上海市空间飞行器机构重点实验室开放课题;上海市人工智能创新发展专项

在线出版日期：2022-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：620-626