计算机技术与发展2023，Vol.33Issue(10) ：42-46.DOI:10.3969/j.issn.1673-629X.2023.10.007

基于关联策略的CTR-GCN人体骨骼行为识别

Association Strategy for CTR-GCN Skeleton-based Action Recognition

刘廷龙 康斌
计算机技术与发展2023，Vol.33Issue(10) ：42-46.DOI:10.3969/j.issn.1673-629X.2023.10.007
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于关联策略的CTR-GCN人体骨骼行为识别

Association Strategy for CTR-GCN Skeleton-based Action Recognition

刘廷龙 1康斌2
扫码查看

作者信息

  • 1. 大连工业大学 信息技术中心,辽宁 大连 116034
  • 2. 大连工业大学 信息技术中心,辽宁 大连 116034;大连工业大学 信息科学与工程学院,辽宁 大连 116034
  • 折叠

摘要

针对骨骼的人体行为识别中表达人体的重要信息的关节点分区策略不能够充分表达行为的问题,提出了一种关联策略的CTR-GCN人体骨骼行为识别模型.首先,通过在智能信道拓扑的细化图卷积网络模型(CTR-GCN)上增加关联策略,能够动态地学习不同的拓扑结构和高效地在不同信道中放大连接点特征,同时提升关键关节点的关联特性;然后,网络模型通过学习一个共享的拓扑并且用特定的信道关系来重新定义每一个信道并通过理论分析统一模型;最后,重新定义模型结构.信道内部局部节点的关联信息得到有效体现,对细微的动作识别具有更强的聚合能力.提出的关联策略的智能信道拓扑图卷积网络模型(ASCTR-GCN)在基于智能拓扑细化卷积网络的基础上比CTR-GCN方法增强了关节点之间内在的关联性,大大提高了骨关节点信息在空间上的识别精度.实验结果表明,在常用的NTU RGB+D和NW-UCLA数据集中识别精度分别达到93.6%(X-View)、97.6%(X-Sub)、97.2%(Top 1),准确率得到提高.

关键词

关节点/智能拓扑细化图卷积网络/关联策略/骨骼行为识别/特征提取

Key words

vertices/channel-wise topology refinement graph convolution net/association strategy/skeleton-based action recognition/feature extraction

引用本文复制引用

基金项目

辽宁省科技计划(2020JH2/10100032)

出版年

2023
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量21
段落导航相关论文