基于人体骨架数据的动作识别研究  

作　　者：李海涛 范文杰 李孟琳 魏显隆 程宇飞 丁习原 张庆[1] 李策[1] 

机构地区：[1]中国矿业大学(北京)机电与信息工程学院,北京100083

出　　处：《电脑知识与技术》2023年第17期5-9,共5页Computer Knowledge and Technology

基　　金：中国矿业大学(北京)大学生创新训练项目(项目编号:202204070);中国矿业大学(北京)本科教育教学改革与研究项目(项目编号:J210409);中央高校基本科研业务费专项资金(项目编号:2022YJSJD11)。

摘　　要：现如今基于骨架的动作识别已广泛应用于多媒体应用中,如人机交互、人类行为理解和医疗辅助应用。基于上述背景,对于基于深度学习的骨骼数据的人体动作识别方法加以研究。以MS-G3D为模型为研究基础,对其进行修改优化以达到更高效的人体动作识别并设计实现软件达到骨骼数据可视化的效果。文章软件设计制作基于PYQT5进行开发,使用了Python编程语言多个模块进行视频和其他数据的管理。文章基于骨骼的人体动作识别研究,通过将原MS-G3D模型的GCN和TCN多尺度邻接矩阵扩大得到感受野扩大的效果。修改后邻接图增加更多运动信息。通过采用NTU RGB+D 60的joint在Cross-Subject (X-Sub)模式下做数据集进行的实验。修改后的模型相较于原本的MS-G3D模型,准确率提升更为稳定,模型收敛速度更快。结论证明了修改邻接矩阵对于模型的积极作用。

关 键 词：骨骼数据 深度学习 MS-G3D 邻接矩阵 NTU RGB+D 60 感受野 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]