面向人体动作识别的局部特征融合时间卷积网络

摘要：

针对3D人体骨架序列动作识别这一问题,提出了一种结合了局部特征融合的时间卷积网络方法.首先,对一个动作中整个骨架序列的所有关节点的空间位置变化进行建模,提取其骨架序列的全局空间特征;然后,根据人体关节点及连接关系的拓扑结构将全局空间特征划分为人体局部空间特征,并将得到的局部空间特征分别作为对应TCN的输入,进而学习各关节内部的特征关系;最后,对输出的各部分特征向量进行融合,学习各部分关节之间的协作关系,从而完成对动作的识别.运用该方法在当前最具挑战性的数据集NTU-RGB+D进行了分类识别实验,结果表明,与已有的基于CNN,LSTM以及TCN的方法相比,其在对象交叉(cross-subject)和视图交叉(cross-view)的分类准确率上分别提高到了79.5％和84.6％.

关键词：动作识别、时间卷积网络、3D人体骨架

所属期刊栏目：32

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;山东省重点研发计划项目;山东省自然科学基金;山东大学基本科研业务经费

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：418-424