一种基于深度学习的人体行为识别方法及识别系统

一种基于深度学习的人体行为识别方法及识别系统，其特征在于包括以下步骤：S1：数据采集：使用高清摄像头或视频数据库收集包含多种人体行为的视频数据，覆盖不同场景、光照条件和人体姿态；S2：数据预处理：首先使用Medapipe预训练模型提取人体骨骼关键点的三维坐标序列，然后对采集到的数据进行均值滤波和归一化预处理，提高模型的泛化能力；本申请通过结合可变形卷积(DCN)和长短时记忆网络(LSTM)的优势，改进的双流卷积模型添加时空软注意力机制，有效解决了人体动作识别中时空特征提取不足和特征设计复杂的问题，并显著提高了模型的轻量化程度，为人体行为识别的研究和应用提供了新的方法。