【技术实现步骤摘要】
本专利技术涉及计算机视觉，特别是关于一种基于骨骼的人体行为识别方法及介质。
技术介绍
1、人体行为识别是计算机视觉的重要任务之一，随着数据的增长和硬件技术的提升，人体行为识别在人机交互、视觉监控、虚拟现实等现实场景中得到了广泛的应用，基于深度学习的行为识方法也得到了广泛的研究。行为识别常用的数据模态有骨骼序列和rgb视频序列，rgb数据提供了丰富的外观信息，但是对视角、光照、背景和人体尺度的变化较为敏感，而骨骼数据则克服了这些缺点，提供了简单且丰富的人体三维动作信息，对背景和尺度的变化具有鲁棒性，而且可以通过kinect等低成本的深度相机或姿态估计算法轻松获得，因此，基于骨骼数据的行为识别在计算机视觉领域获得了大量的研究。
2、随着基于骨骼数据的行为识别技术的发展，模型的应用已经从早期的卷积神经网络(cnn)过渡到了图卷积神经网络(例如2s-agcn)，实现了基于骨骼的行为的更高准确度的识别。
3、然而，本申请的专利技术人在研究中发现，现有的图卷积神经网络基于静态学习图拓扑结构，无法适应动作的多样性，因此亟需一种...
【技术保护点】
1.一种基于骨骼的人体行为识别方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的基于骨骼的人体行为识别方法，其特征在于，所述计算时序帧间独立的拓扑结构，包括：
3.根据权利要求2所述的基于骨骼的人体行为识别方法，其特征在于，所述任意一对节点特征(xi，xj)沿着时序维度的距离计算公式为：
4.根据权利要求3所述的基于骨骼的人体行为识别方法，其特征在于，所述时序帧间独立的拓扑结构记为K∈RN×T，其计算公式为：
5.根据权利要求4所述的基于骨骼的人体行为识别方法，其特征在于，所述根据所述原始输入特征和所述时序帧间...
【技术特征摘要】
1.一种基于骨骼的人体行为识别方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的基于骨骼的人体行为识别方法，其特征在于，所述计算时序帧间独立的拓扑结构，包括：
3.根据权利要求2所述的基于骨骼的人体行为识别方法，其特征在于，所述任意一对节点特征(xi，xj)沿着时序维度的距离计算公式为：
4.根据权利要求3所述的基于骨骼的人体行为识别方法，其特征在于，所述时序帧间独立的拓扑结构记为k∈rn×t，其计算公式为：
5.根据权利要求4所述的基于骨骼的人体行为识别方法，其特征在于，所述根据所述原始输入特征和所述时序帧间独立的拓扑结构，计算时序帧间独立的拓扑结构下的聚合特征，包括：
6.根据权利要求5所述的基于骨骼的人体行为识别方法，其特征在于，根据所述时序帧间独立的拓扑结构下的聚合特征，和所述通道独立的拓扑结构，...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。