[发明专利]基于图卷积网络的人体骨架行为识别方法、系统、装置

摘要

本发明属于计算机视觉及深度学习领域，具体涉及了一种基于图卷积网络的人体骨架行为识别方法、系统、装置，旨在解决基于图卷积神经网络的人体骨架行为识别结果精度不高的问题。本发明方法包括：获取骨架视频帧并归一化；构建每一帧图对应的人体关节自然连接图；学习非自然连接边，获得人体关节连接图；为人体关节连接图各条边分配权重值；进行图卷积操作，获得骨架序列的空间信息；在时间维度上进行卷积操作，获得骨架序列的行为类别。本发明自然连接边能够学习到基本的人体行为特征，同时非自然连接边可以学习到附加的行为特征，通过自然连接边和非自然连接边共同构成一张图，可以更加充分的表征人体运动信息，提高识别性能。

主权项

1.一种基于图卷积网络的人体骨架行为识别方法，其特征在于，该识别方法包括：步骤S10，获取骨架视频中预设的视频帧并进行归一化处理后作为待识别骨架序列；步骤S20，对所述待识别骨架序列中每一帧图，根据关节点坐标构建对应的人体关节自然连接图，关节点为图的节点，关节点之间的自然连接为图的自然连接边；步骤S30，基于所述人体关节自然连接图的自然连接边，学习非自然连接边，并与所述自然连接边一起构成待识别骨架序列每一帧图对应的人体关节连接图；步骤S40，分别为所述待识别骨架序列每一帧图对应的人体关节连接图的各条边分配预设的权重值，获得对应的带有不同权重值的人体关节连接图；步骤S50，对所述待识别骨架序列每一帧图对应的带有不同权重值的人体关节连接图进行图卷积操作，获取待识别骨架序列的空间信息；步骤S60，基于所述待识别骨架序列的空间信息，在时间维度上进行卷积操作，获得待识别骨架序列的行为类别。