摘要
本发明公开了基于时空图卷积与多头交叉注意力结合的人体动作识别方法,具体为:对人体动作序列的数据进行预处理,得到关节点位置流和速度流;人体关节点位置流的深度特征提取;人体关节点速度流的深度特征提取;使用时间多头交叉注意力机制和空间多头交叉注意力机制对关节点位置流和速度流的特征进行融合;使用双路径门控对经过时间和空间多头交叉注意力机制的关节点位置流和速度流进行融合;利用串联的主流时空图卷积块进行特征提取,完成动作识别。本发明的方法,通过GCN与多头交叉注意力机制的结合能够提升深度网络模型的人体动作表征能力,进而提高了动作识别的精度。
技术关键词
人体动作识别方法
交叉注意力机制
人体关节点
人体动作序列
Softmax函数
深度特征提取
关节点特征
输出特征
全局平均池化
人体动作表征
数据
速度
通道
关键帧
深度网络模型
掩码矩阵
时间差
系统为您推荐了相关专利信息
模式识别模型
设备故障诊断
故障诊断模型
注意力
飞机故障诊断
数据挖掘方法
数据挖掘模型
基因表达数据
前馈神经网络
稻瘟病
语义特征提取
深度卷积特征
残差模块
抑郁症检测系统
交叉注意力机制