期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于扩展时间和时空特征融合图卷积网络的骨架行为识别
1
作者
徐永刚
孙琦烜
+2 位作者
李凡甲
程健维
戴佳俊
《计算机工程》
北大核心
2025年第4期281-292,共12页
在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合...
在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合图卷积网络(ETFF-GCN)。该网络采用通道聚合的方法对动态空间拓扑和时序特征进行一次融合,然后运用注意力机制进行二次融合,进一步增强融合效果。在此基础上,为了全面提取时序特征,采用多个不同大小的卷积核构建时域图卷积,以提取多尺度和多粒度的时间特征,并引入有效压缩激励模块进行特征增强,提升特征表达能力。在3个大型数据集上对所提出的方法进行评估,实验结果表明,该方法的性能优于现有的方法。
展开更多
关键词
人体骨架行为识别
图卷积网络
时空特征融合
注意力机制
扩展时间
在线阅读
下载PDF
职称材料
基于时空注意力图卷积网络模型的人体骨架动作识别算法
被引量：
20
2
作者
李扬志
袁家政
刘宏哲
《计算机应用》
CSCD
北大核心
2021年第7期1915-1921,共7页
针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络(STA-GCN)模型的人体骨架动作识别算法。该模型包含空间注意力机制和时间注意力机制:空间注意力机制一方面利用光流特征中的瞬时运动...
针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络(STA-GCN)模型的人体骨架动作识别算法。该模型包含空间注意力机制和时间注意力机制:空间注意力机制一方面利用光流特征中的瞬时运动信息定位运动显著的空间区域,另一方面在训练过程中引入全局平均池化及辅助分类损失使得该模型可以关注到具有判别力的非运动区域;时间注意力机制则自动地从长时复杂视频中挖掘出具有判别力的时域片段。将这二者融合到统一的图卷积网络(GCN)框架中,实现了端到端的训练。在Kinetics和NTU RGB+D两个公开数据集的对比实验结果表明,基于STA-GCN模型的人体骨架动作识别算法具有很强的鲁棒性与稳定性,与基于时空图卷积网络(ST-GCN)模型的识别算法相比,在Kinetics数据集上的Top-1和Top-5分别提升5.0和4.5个百分点,在NTURGB+D数据集的CS和CV上的Top-1分别提升6.2和6.7个百分点;也优于当前行为识别领域最先进(SOA)方法,如Res-TCN、STA-LSTM和动作-结构图卷积网络(AS-GCN)。结果表示,所提算法可以更好地满足人体行为识别的实际应用需求。
展开更多
关键词
图卷积网络
人体骨架行为识别
注意力机制
人体
关节点
视频
行为
理解
在线阅读
下载PDF
职称材料
题名
基于扩展时间和时空特征融合图卷积网络的骨架行为识别
1
作者
徐永刚
孙琦烜
李凡甲
程健维
戴佳俊
机构
中国矿业大学信息与控制工程学院
徐州工程学院信息工程学院(大数据学院)
中国矿业大学安全工程学院
出处
《计算机工程》
北大核心
2025年第4期281-292,共12页
基金
新疆维吾尔自治区重点研发任务专项(2022B03003-3)
国家自然科学基金(51874299)
+2 种基金
中央高校基本科研业务费专项资金(2020CXNL02)
中国矿业大“工业物联网与应急协同”创新团队资助计划(2020ZY002)
徐州市科技计划项目(KC23317)。
文摘
在基于骨架的人体行为识别领域,图卷积网络(GCN)在近年来取得了很大的进展,但现有GCN大多将时间卷积和空间卷积简单串联,导致时空特征融合效果不佳。另外,现有模型还存在无法高效提取时间特征的问题。为此,提出扩展时间和时空特征融合图卷积网络(ETFF-GCN)。该网络采用通道聚合的方法对动态空间拓扑和时序特征进行一次融合,然后运用注意力机制进行二次融合,进一步增强融合效果。在此基础上,为了全面提取时序特征,采用多个不同大小的卷积核构建时域图卷积,以提取多尺度和多粒度的时间特征,并引入有效压缩激励模块进行特征增强,提升特征表达能力。在3个大型数据集上对所提出的方法进行评估,实验结果表明,该方法的性能优于现有的方法。
关键词
人体骨架行为识别
图卷积网络
时空特征融合
注意力机制
扩展时间
Keywords
human skeleton behavior recognition
Graph Convolution Network(GCN)
temporal and spatiotemporal feature fusion
attention mechanism
extended temporal
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于时空注意力图卷积网络模型的人体骨架动作识别算法
被引量：
20
2
作者
李扬志
袁家政
刘宏哲
机构
北京市信息服务工程重点实验室(北京联合大学)
北京开放大学科研外事处
出处
《计算机应用》
CSCD
北大核心
2021年第7期1915-1921,共7页
基金
国家自然科学资助基金项目(61871028,61871039,61906017,61802019)
北京联合大学领军人才项目(BPHR2019AZ01)
+1 种基金
北京市教委项目(KM202111417001,KM201911417001)
北京联合大学研究生科研创新项目(YZ2020K001)。
文摘
针对现有的人体骨架动作识别算法不能充分发掘运动的时空特征问题,提出一种基于时空注意力图卷积网络(STA-GCN)模型的人体骨架动作识别算法。该模型包含空间注意力机制和时间注意力机制:空间注意力机制一方面利用光流特征中的瞬时运动信息定位运动显著的空间区域,另一方面在训练过程中引入全局平均池化及辅助分类损失使得该模型可以关注到具有判别力的非运动区域;时间注意力机制则自动地从长时复杂视频中挖掘出具有判别力的时域片段。将这二者融合到统一的图卷积网络(GCN)框架中,实现了端到端的训练。在Kinetics和NTU RGB+D两个公开数据集的对比实验结果表明,基于STA-GCN模型的人体骨架动作识别算法具有很强的鲁棒性与稳定性,与基于时空图卷积网络(ST-GCN)模型的识别算法相比,在Kinetics数据集上的Top-1和Top-5分别提升5.0和4.5个百分点,在NTURGB+D数据集的CS和CV上的Top-1分别提升6.2和6.7个百分点;也优于当前行为识别领域最先进(SOA)方法,如Res-TCN、STA-LSTM和动作-结构图卷积网络(AS-GCN)。结果表示,所提算法可以更好地满足人体行为识别的实际应用需求。
关键词
图卷积网络
人体骨架行为识别
注意力机制
人体
关节点
视频
行为
理解
Keywords
Graph Convolutional Network(GCN)
human skeleton-based action recognition
attention mechanism
human joint
video behavior understanding
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于扩展时间和时空特征融合图卷积网络的骨架行为识别
徐永刚
孙琦烜
李凡甲
程健维
戴佳俊
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于时空注意力图卷积网络模型的人体骨架动作识别算法
李扬志
袁家政
刘宏哲
《计算机应用》
CSCD
北大核心
2021
20
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
