骨骼双流注意力增强图卷积人体姿态识别OA
为解决骨骼关键点分类算法中运动时间线中运动关联信息的价值分析缺乏,以及骨骼节点关联性和依赖关系信息含义丢失问题,提出了一种骨骼双流注意力增强图卷积人体姿态识别模型.以提取骨骼特征节点为基础,构建骨骼关节点之间空域连接矩阵和运动时间线时域信息矩阵,在此基础上进行双流骨骼节点信息处理.利用通道注意力机制对上下文处理的优势,构解关键节点间依赖关系以及全局骨骼运动含义,构建邻域节点加权的双域骨骼拓扑.在Kinetics和NTU RGB+D两个数据集上的对比验证显示,该模型在不同数据集上均有较好的执行效果.与领域内较具代表性的主流方法的横向比对显示,该模型在选定的9种行为姿态的识别精度上均优于其他模型.该方法在人体姿态识别上体现了较优的识别率及稳定性,并佐证了时空双域骨骼特征信息的挖掘价值.
陈斌;樊飞燕;陆天易
南京师范大学信息化建设管理处,江苏南京210023南京师范大学信息化建设管理处,江苏南京210023南京师范大学信息化建设管理处,江苏南京210023
计算机与自动化
姿态识别时空双域注意力机制图卷积骨骼特征运动信息表示
《南京师范大学学报（工程技术版）》 2024 (4)
P.57-67,11
江苏省现代教育技术研究2023年度智慧校园专项课题(2023-R-107311).
评论