基于超连接图卷积网络的骨架行为识别方法

摘要

针对现有骨架行为识别方法缺乏对骨架节点长距离多维依赖关系建模且时间特征提取能力弱，导致识别准确率较低和泛化能力较差的问题，提出了一种超连接图卷积网络（HC-GCN）的行为识别模型。首先，介绍了自适应图卷积网络的基本工作原理；其次，提出超连接邻接矩阵的构造方法，并结合多维自适应图卷积模块，进而构造超连接自适应图卷积（HC-AGCN）模块；再次，基于全维动态卷积网络引入残差连接，提出残差全维动态时序卷积（ROD-TCN）模块，并结合HC-AGCN模块，进一步提出HC-GCN模型并在双流三图网络下进行训练；最后，基于NTU-RGB+D和NTU-RGB+D 120数据集开展模型的性能验证实验，实验结果表明：该模型在上述数据集的识别准确率分别为96.7%和89.0%，验证了该模型具有优异的准确率和泛化能力。

关键词

人工智能 / 骨架行为识别 / 超连接自适应邻接矩阵 / 全维动态时序卷积 / 双流三图网络 / 残差连接