一种基于双扩展时域自适应图卷积神经网络的人体动作识别方法、模型训练方法、模型产品及设备

本发明公开了一种基于双扩展时域自适应图卷积神经网络的人体动作识别方法，具体按照以下步骤实施：首先，针对人机交互任务设计了一套动作命令集并进行数据采集，通过坐标系变换进行了视点无关处理，减少动作对拍摄位置的敏感性。为了保证对整个动作过程中局部时间与全局时间的特征提取，通过对不同膨胀因子的卷积进行结合，设计了双扩展时域卷积层。最后，通过与自适应空间图卷积层结合建立双扩展时域自适应图卷积神经网络模型。对所建立的模型用数据集进行实验验证，结果表明：本发明对人体动作的总体识别准确率为98.5％，每一类动作的识别准确率达97.5％以上，识别效果优异，能够完成人机交互任务的需求。