一种基于并联卷积神经网络的人体骨骼动作识别方法技术

本发明专利技术涉及一种基于并联卷积神经网络的人体骨骼动作识别方法，包括以下步骤：1)获取骨骼数据并进行预处理，剔除无关骨骼数据和修复不全的数据后进行归一化处理；2)设计并联卷积神经网络的基础模块结构；3)设置训练参数，并进行误差反向传播；4)将并联卷积神经网络的基础模块插入语义引导神经网络SGN网络中，构建人体骨骼动作识别网络模型，并在骨骼数据集上进行跨视角和跨物体的训练和测试5)以处理后的骨骼数据作为输入，根据训练好的人体骨骼动作识别网络模型进行人体骨骼动作识别。与现有技术相比，本发明专利技术具有提高识别精度的同时大大降低数据量、应用范围广、即插即用等优点。即插即用等优点。即插即用等优点。

【技术实现步骤摘要】
一种基于并联卷积神经网络的人体骨骼动作识别方法


[0001]本专利技术涉及机器人学习与计算机视觉领域，尤其是涉及一种基于并联卷积神经网络的人体骨骼动作识别方法。

技术介绍

[0002]动作识别广泛应用于视频监控、人机交互、智能驾驶等领域。基于视频的动作识别可分为基于RGB像素点的动作识别和基于骨骼的动作识别，基于骨骼的动作识别由于计算量少且能保留丰富的动作行为信息而广泛被研究。
[0003]基于骨骼的算法目前分为传统的提取特征方法，如时空兴趣点法、稠密轨迹法和能量直方图法以及深度学习算法，如卷积神经网络算法、图卷积神经网络等，卷积神经网络要求输入数据是规则且具有欧式距离，而人体骨骼拓扑是不规则的，骨骼点之间的距离是非欧式距离，图卷积网络通过邻接矩阵解决了这一问题，然而现有的图卷积网络往往需要很多层的堆栈才能达到一个比较好的识别精度。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于并联卷积神经网络的人体骨骼动作识别方法。
[0005]本专利技术的目的可以通过以下技术方案来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于并联卷积神经网络的人体骨骼动作识别方法，其特征在于，包括以下步骤：1)获取骨骼数据并进行预处理，剔除无关骨骼数据和修复不全的数据后进行归一化处理；2)设计并联卷积神经网络的基础模块结构；3)设置训练参数，并进行误差反向传播；4)将并联卷积神经网络的基础模块插入语义引导神经网络SGN网络中，构建人体骨骼动作识别网络模型，并在骨骼数据集上进行跨视角和跨物体的训练和测试；5)以处理后的骨骼数据作为输入，根据训练好的人体骨骼动作识别网络模型进行人体骨骼动作识别。2.根据权利要求1所述的一种基于并联卷积神经网络的人体骨骼动作识别方法，其特征在于，所述的步骤1)中，剔除不符合规范或数据尺度未在设定范围内的骨骼数据，并采用插值法生成新的骨骼数据，通过深度学习框架Pytorch中的BatchNorm2d方式进行归一化处理。3.根据权利要求1所述的一种基于并联卷积神经网络的人体骨骼动作识别方法，其特征在于，所述的步骤2)中，基础模块由图卷积网络GCN和二维卷积网络CNN并联构成，分别对输入的骨骼数据进行独立卷积后经过激活函数ReLU进行非线性处理，增大网络的信息提取能力，所述的图卷积网络GCN用以提取空间信息特征，通过可学习的邻接矩阵提取人体各骨骼点之间的动作联系，所述的二维卷积网络CNN用以提取不同帧间的光流信息，即规则的时间帧信息。4.根据权利要求3所述的一种基于并联卷积神经网络的人体骨骼动作识别方法，其特征在于，所述的并联卷积神经网络由一个或多个基础模块通过堆栈构成，用以实现特征提取的即插即用。5.根据权利要求1所述的一种基于并联卷积神经网络的人体骨骼动作识别方法，其特征在于，所述的步骤3)中，训练参数包括学习率、损失函数、批次...

【专利技术属性】
技术研发人员：刘成菊，曾秦阳，陈启军，
申请(专利权)人：同济大学，
类型：发明
国别省市：