[发明专利]一种人体行为识别方法

权利要求书

1.一种人体行为识别方法，其特征在于，包括：

根据人体节点结构和时间的自然连通性，构造时空骨架图；

将多尺度时域卷积网络模块嵌入到2s-AGCN网络模型中，得到初始的多尺度时空卷积网络的人体行为识别模型；

将训练数据集结合构造的时空骨架图，训练初始的多尺度时空卷积网络的人体行为识别模型得到最终的多尺度时空卷积网络的人体行为识别模型；

将测试数据集结合构造的时空骨架图，输入最终的多尺度时空卷积网络的人体行为识别模型，得到识别结果。

2.根据权利要求1所述的一种人体行为识别方法，其特征在于，所述多尺度时域卷积网络模块对时域信息进行多尺度特征提取，利用扩张卷积提取不同尺度的内容信息，并保持输出特征图的分辨率不变，网络中扩张卷积的扩张率α取值为[1,2,...,d]，最后对不同尺度的特征进行级联融合，当α＝1时，卷积核的感受野为3*1＝3，参数量为3；当α＝2时，卷积核的感受野为5*1＝5，相当于5*1的卷积核，参数量为3。

3.根据权利要求1所述的一种人体行为识别方法，其特征在于，多尺度时空卷积网络的人体行为识别模型中时空特征提取网络主要由9个时空卷积网络模块(B1-B9)构成，每个时空卷积网络模块的三个数字分别表示输入通道数、输出通道数和步长。

4.根据权利要求3所述的一种人体行为识别方法，其特征在于，时空卷积网络模块包括Convs、MTCN、BN层、ReLU层、Dropout层和一个残差连接；其中，Convs表示空域图卷积网络，MTCN表示多尺度时域卷积网络，BN层(batch normalization layer)表示对数据进行归一化处理，ReLU层可以只激活部分神经元，使得网络稀疏化，并减少参数之间的互相依赖关系；Dropout层可以防止发生过拟合现象，其中drop rate设置为0.5，为每个模块添加一个残差连接，以解决梯度消失问题。

5.根据权利要求1所述的一种人体行为识别方法，其特征在于，根据人体节点结构和时间的自然连通性，构造时空骨架图，具体包括：

根据人体节点结构和时间的自然连通性，以及人体间接节点的关联知识，构造时空骨架图。