摘要
本发明公开了一种基于Transformer融合的多流时空图卷积行为识别方法,涉及行为识别技术领域,具体在于解决背景技术中存在的现有基于骨架序列的图卷积行为识别算法中存在时空图卷积单元的领域约束和时间卷积感受野受限的问题,且多流行为识别后期融合策略存在实用性较差的问题,因此,本发明提供一种基于Transformer融合的多流时空图卷积行为识别方法,本发明以增强建模骨架序列中所有节点间的长距离依赖关系,降低行为识别算法对于关节点定位准确性的依赖,同时使得模型更好地适应每种信息的特性,改善现有行为识别的输出结果,且运算量先对现有技术大大减低。
技术关键词
融合特征
运动骨架
分支
序列
特征信息融合
识别人体
多尺度特征融合
特征提取单元
关节
人体运动信息
识别方法
注意力
矩阵
节点
模块
网络
识别算法
关键点
表达式
系统为您推荐了相关专利信息
图像分类模型
智能诊断方法
客户端
宫颈
结构纹理特征
手术引导系统
信息提取方法
监测模块
内窥镜手术
多模态
动态知识图谱
时序依赖关系
故障传播路径
多源异构数据
网络拓扑关系
中央控制单元
充电策略
支持算法
智能设备
无线通信模块