-
题名基于骨骼点动态时域滤波的人体动作识别
被引量：3
- 1
-
-
作者
李松洋
王雪婷
陈相龙
陈恩庆
-
机构
郑州大学电气与信息工程学院
-
出处
《图学学报》
CSCD
北大核心
2024年第4期760-769,共10页
-
基金
国家自然科学基金项目(62101503,U1804152)
河南省科技攻关项目(222102210102)
国家超级计算郑州中心支持项目。
-
文摘
人体动作识别是计算机视觉的重要研究方向,广泛应用于智能监控、人机交互等领域。现有基于骨骼点的动作识别方法多采用图卷积网络(GCN)和时间卷积网络(TCN)级联的方式实现,而后者卷积核的尺寸限制了模型的全局时间建模能力。此外,仅使用卷积处理骨骼点数据缺乏对于不同骨骼点的区分能力,并且TCN提取特征时往往会重复计算,使得TCN的参数量随着网络层数的加深而增大。借助信号处理的方法提出了一种适用于骨骼点的动态时域滤波模块(SDTF),用于代替TCN对时间特征进行全局建模,并在此基础上对AGCN进行轻量化改进,提出的AGCN-SDTF动作识别模型降低了模型复杂度。SDTF通过傅里叶变换对时间特征进行建模,将傅里叶变换得到的频域特征与滤波得到的频域输出相乘再经过傅里叶逆变换,从而实现对全局时间特征的提取。在NTU-RGBD和Kinetics-Skeleton大型数据集上的实验结果表明,该模型在达到与原模型相同的识别效果时,降低了模型所需的参数量和计算量。
-
关键词
人体动作识别
图卷积网络
动态时域滤波
傅里叶变换
时间卷积网络
-
Keywords
human action recognition
graph convolutional network
dynamic temporal filter
Fourier transform
temporal convolutional networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
