摘要
本发明属于行为识别技术领域,一种基于通道特征融合的骨架动作识别方法,包括以下步骤:(1)获取人体三维骨架数据,(2)构建基于通道特征融合的骨架动作识别网络,(3)构建时空特征细化对比学习训练框架,(4)构建训练目标损失函数,(5)模型优化与训练。本发明提出的基于通道特征融合的骨架动作识别网络在NTU‑RGB+D和NTU‑RGB+D120两个大型骨架数据集上的实验结果表明,本发明在骨架动作识别任务中表现出了优异的性能。在NTURGB+D60数据集的CS、CV划分模式下分别取得92.9%和97.1%的动作识别准确率,在NTURGB+D120数据集的CS、CT划分模式下分别取得89.9%和91.5%的动作识别准确率。
技术关键词
样本
骨架动作识别方法
时间卷积网络
骨架特征
通道
分支单元
原型
输出特征
动态
动作特征
姿态估计算法
空间结构特征
数据
卷积模块
多尺度
关节
全局平均池化
系统为您推荐了相关专利信息
卷积神经网络模型
图像重建方法
构建卷积神经网络
校正模块
饱和度
健康状态评估方法
变电站配电设备
变电站设备
综合健康指数
预训练模型
深度强化学习模型
综合能源系统
低温余热发电设备
负荷
DQN算法