一种基于改进时空图卷积神经网络的人体行为识别方法及装置

本发明属于人体行为识别与计算机视觉领域，申请保护一种基于改进时空图卷积神经网络人体行为识别识别方法及装置。涉及图神经网络建模技术与时空特征提取技术。该方法首先通过视频采集系统获取原始人体行为视频，并将其转化为定长图像帧序列；基于YOLOv8‑pose算法提取人体骨骼关键点坐标与置信度，构建时序骨架图结构；对置信度较高的骨骼目标进行筛选，作为骨架特征数据；在空间结构上，构建骨骼图结构及关节特征矩阵，利用拉普拉斯特征映射方法对图结构进行自动划分，提取局部与全局特征；在时间域上，采用多尺度空洞卷积方法提取不同时长的人体动作变化趋势；最终融合空间与时间维度信息，完成对行为类别的识别与分类。本发明提出的基于改进时空图卷积神经网络的人体行为识别方法具有结构清晰、易于部署、参数自动优化能力强、适用于多种复杂人体动作场景等优点，满足实际应用中对识别精度与实时性的双重需求。