文献类型：期刊文献

中文题名：基于残差时空图卷积网络的3D人体行为识别

英文题名：3D HUMAN BEHAVIOR RECOGNITION BASED ON RESIDUAL SPATIO-TEMPORAL GRAPH CONVOLUTIOAN NETWORK

作者：管珊珊[1];张益农[2]

第一作者：管珊珊

机构：[1]北京联合大学北京市信息服务工程重点实验室,北京100101;[2]北京联合大学城市轨道交通与物流学院,北京100101

第一机构：北京联合大学北京市信息服务工程重点实验室

年份：2020

卷号：37

期号：3

起止页码：198-201

中文期刊名：计算机应用与软件

外文期刊名：Computer Applications and Software

收录：CSTPCD;;北大核心:【北大核心2017】；

基金：北京市属高等学校高层次人才引进与培养计划项目(CIT&TCD20150314)。

语种：中文

中文关键词：行为识别;残差;骨架模型;时空图卷积网络

外文关键词：Behavior recognition;Residual;Skeleton model;Spatio-temporal graph convolutional network

摘要：人体行为识别是智能监控、人机交互等诸多应用领域的一项基本技术。人体骨骼的动态变化为人体行为识别提供了重要的信息。传统方法通常只是采取人工信息标注或遍历规则,从而导致模型的表征能力有限、泛化性能差。采用一种引入了残差项的动态骨架模型——基于残差连接的时空图卷积网络,不仅克服了以往方法的限制,而且能够学习骨骼数据中的时空模型。在大型骨骼NTU-RGB+D数据集上,该网络模型不仅提高了人体行为特征的表征能力,而且增强了泛化能力,取得了比现有的模型更好的识别效果。
Human behavior recognition is a basic technology in many application fields such as intelligent monitoring and human-computer interaction.Dynamic changes of human skeleton provide important information for human behavior recognition.Traditional methods usually only adopt manual information annotation or traverse rules,resulting in limited representation capability and poor generalization performance of the model.This paper uses a kind of dynamic skeleton model with residual terms,which is a spatio-temporal graph convolution network based on residual connection.It not only overcame the limitations of previous methods,but also could learn the spatio-temporal model in the skeleton data.On the large skeleton NTU-RGB+D dataset,the network model improves the representation ability of human behavior characteristics,enhances the generalization ability and achieves better recognition results than the existing models.