一种基于图卷积网络的扩展动作识别方法技术

一种基于图卷积网络的扩展动作识别方法。然而，传统GCN中的静态骨架图拓扑不反映非相邻关节的隐含关系，其中包含动作序列中骨架姿势的重要潜在信息。此外，传统的三分类节点划分策略丢弃了非物理连接边沿时间维度的大部分运动相关性。该方法提出了一个扩展的骨架图拓扑以及扩展的分区策略，以提取模型中的大部分非相邻关节的关系信息。扩展骨架图将关节表示为顶点，加权边分别表示物理连接和非物理连接关节之间的内在和外在关系。此外，扩展分区策略将GCN的输入图划分为五类固定长度张量，以包含最大运动相关性。最后，采用时空图卷积网络(ST

【技术实现步骤摘要】
一种基于图卷积网络的扩展动作识别方法
一、
:
[0001]本专利技术涉及动作识别应用领域，提出一种基于图卷积网络的扩展动作识别方法，主要作用于视频动作识别。
二、
技术介绍
:
[0002]动作识别技术是一种对视频中人类行为进行估计的技术，其根据拍摄的视频或者实时视频，通过手工特征或者深度学习等技术对输入的视频提取出可以代表人体动作的高阶信息，最后通过对高阶信息进行处理分类得到视频中人体动作的分类。
[0003]动作识别算法按照输入数据的类型可以分为基于人体骨架序列的动作识别算法和基于视频数据的动作识别算法。基于视频的动作识别早期使用手工设计特征完成识别任务。但是，传统的手工设计的特征无法对视频进行全面建模，从而具有一定的局限性。随着深度学习的发展，人们逐渐将深度学习算法如卷积神经网络(CNN)、循环神经网络(RNN)，应用到视频动作识别中。基于骨架序列的动作识别和基于视频动作识别相比，其只记录了人体关节点的运动轨迹，因此模型更加轻量，同时因为其不会受到背景噪声的影响，具有更好的鲁棒性。基于骨骼序列的动作识别技术输入为连续时间内人体关节点的特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图卷积网络的扩展动作识别方法，该方法包括：a.从输入设备中提取实时图像序列的输入模块。b.一个2D姿势估计模块，它接收图像并为图像中的每个人生成2D关节定位。c.扩展的人体骨架图和分区模块。d.空域卷积和时域卷积模块。2.如权利要求1所述的方法，方法内包括：a.输入包含一个或多个人的完整/部分身体姿势的RGB图像序列。b.提取视频序列中的人体关节点信息，并提取骨骼信息。c.根据关节信息头肩扩展的人体骨架图和分区策略。d.结合关节点信息以及骨骼信息获取动作分类。3.一种基于图卷积网络的扩展动作识别方法，该方法包括：a.一种捕获实时单目图像序列的装置。b.接收包含一个或多个人的图像序列。c.非易...

【专利技术属性】
技术研发人员：王全玉，张开翔，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：