基于双流图卷积网络的人体行为识别算法

王宪伦; 王广宇; 孙宇轩

doi:10.13873/J.1000-9787(2023)07-0140-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于双流图卷积网络的人体行为识别算法

计算与测试 | 更新时间：2025-09-11

- 基于双流图卷积网络的人体行为识别算法
- 暂无标题
- 传感器与微系统 2023年第7期页码：140-143+147
- 作者机构：
  
  青岛科技大学机电工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（51105213）
- DOI：10.13873/J.1000-9787(2023)07-0140-04
  中图分类号： TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
王宪伦, 王广宇, 孙宇轩. 基于双流图卷积网络的人体行为识别算法[J]. 传感器与微系统, 2023,(7):140-143+147.
王宪伦, 王广宇, 孙宇轩. 基于双流图卷积网络的人体行为识别算法[J]. 传感器与微系统, 2023,(7):140-143+147. DOI： 10.13873/J.1000-9787(2023)07-0140-04.

DOI：

摘要

针对传统的卷积网络对人体行为识别速度不高或识别精度偏低的问题，提出了基于图卷积网络(GCN)的人体行为识别算法。首先，介绍了时空图卷积网络(ST-GCN)算法，该算法将人体骨架信息归类于图信息，并在时域和空间域上对人体信息进行图卷积运算；其次，使用双流GCN进行模型的搭建，双流GCN是对ST-GCN的一种改进，为某些相距很远但某些动作中关系密切的点创建“不可能连接”

并提出骨骼的长度和方向对人体行为识别也起到重要作用的观点。实验结果表明：对于选取的4个行为的平均识别率达到了92.2%

因此，基于双流GCN算法的人体行为识别方法具有可行性。

Abstract

关键词

Keywords

references

基于改进Mask R-CNN的泳池溺水行为检测系统设计[J]. 彭婷;沈精虎;乔羽.传感器与微系统,2021(01)

基于融合模型的人体行为识别方法[J]. 陈馨瑶;张天荣;朱雪芬;莫路锋.传感器与微系统,2021(01)

基于时空双流融合网络与AM-Softmax的动作识别[J]. 马翠红;王毅;毛志强.网络安全技术与应用,2019(11)

基于双流卷积神经网络的人体行为识别方法[J]. 刘云;张堃;王传旭.计算机系统应用,2019(07)

基于时空图卷积网络的手语翻译[D]. 王焱章.南京邮电大学,2020(02)

基于时空图卷积神经网络的人体动作识别研究[D]. 王志华.电子科技大学,2020(07)

基于目标检测的人体动作识别研究[D]. 魏丽冉.鲁东大学,2019(12)

Semi-Supervised Classification with Graph Convolutional Networks.[J]. Thomas N. Kipf;Max Welling.CoRR,2016

浏览量

332

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于双通道图卷积网络的人体行为识别方法

基于注意力机制和用户属性的图卷积网络推荐模型

基于双重时空特征金字塔的人体行为识别

基于多图融合的时空交通流预测方法