[发明专利]一种基于图卷积神经网络的骨架数据行为识别方法

摘要

本发明公开了一种基于图卷积神经网络的骨架数据行为识别方法，其中，方法包括：通过对训练集中的每一段骨架数据的时间维度进行下采样获得时间维度固定的骨架数据，以训练神经网络；将输入数据按照三维坐标拆分成三个通道，对每一个空间通道分别做带双重注意力的图卷积，再将三个通道合并；对合并后的向量作时空卷积；通过标注动作类别更新神经网络权重；最终获得和指定标注结果强相关的行为识别模型。该方法充分利用骨架数据的拓扑结构和时空关系，提高行为识别性能。

主权项

1.一种基于图卷积神经网络的骨架数据行为识别方法，其特征在于，包括以下步骤：步骤(1)、将训练集中每一段骨架数据的时间维度进行下采样使得数据的时间维度固定，以训练神经网络；步骤(2)、将步骤(1)中输入网络的骨架数据按空间坐标拆分成三个通道，把每一个空间通道分别送入带双重注意力的图卷积模块，再将输出的三个通道合并；步骤(3)、将步骤(2)中三通道合并后的向量送入时空卷积模块；步骤(4)、对步骤(3)输出的特征向量使用归一化指数分类器分类，获得动作类别和得分，归一化指数分类器为：Z′是时空卷积模块输出的特征向量，Z′_j是时空卷积模块输出的特征向量的第j个值，N是时空卷积模块输出的特征向量的维度，经过归一化指数分类器得到的结果与时空卷积模块的输出特征向量的维度相同，选取经归一化指数分类器得到的结果中数值最高的维度作为动作分类的结果，该数值为动作类别相应的得分；步骤(5)、将人工标注的动作类别作为监督，更新神经网络权重。