基于空间分组GCN的UAV航拍视频行为识别

摘要

人体行为识别（human action recognition,HAR）是从无人机捕获视频中理解行人意图的一项关键技术。但无人机平台算力有限、现有行为识别方法效率较低。提出轻量级的空间分组注意力图卷积网络，降低网络深度，提升效率并保证行为识别精度。为了捕获能够代表全局运动的肢体部位，提出空间分组注意力模型，增强与全局特征相似性高的局部特征。此外，仅靠关节和骨架特征无法有效区分具有相似运动轨迹的行为，构建骨骼角度的高阶特征编码，捕获更能反映细微运动差异的肢体关节间角度的变化，提升特征的表示能力。最后，针对无人机航拍视频的低帧率问题，提出基于帧间差异的线性插帧方案，提升样本信息量。实验结果表明，与现有SOTA方法相比，该方法在UAV-Human数据集上的识别率、参数量、训练耗时、执行耗时都具有更好的性能。

关键词

无人机 / 空间分组 / 行为识别 / 高阶特征编码 / 线性插帧