基于动作形态融合图神经网络的情绪压力识别方法及系统

本发明公开了一种基于动作形态融合图神经网络的情绪压力识别方法及系统，属于图像处理及机器学习领域。构建了双重图数据结构：以人体关键点为节点的图数据和以图像帧为节点的图数据，分别通过T‑GCN和PCSN进行处理。T‑GCN模型融合GCN层与Mamba编码器，通过图分区策略强化情绪类别表征的内聚与耦合能力，有效捕获人体动作的时空特征关系。PCSN采用三分支并行结构，包括一维全局平均池化、3×3卷积和5×5卷积，实现了对人体、面部及手部的非同质化特征的高效提取，并建立全局特征的长短程依赖和局部跨通道交互关系。系统通过迁移学习与小样本学习相结合，利用公开数据集初始化网络，再在校园情绪压力小样本数据集上二次训练，显著提高了识别精度。