一种改进时空图卷积网络的行为识别方法

本发明提出了一种改进时空图卷积网络(ST‑GCN)的人体骨架行为识别方法。传统的ST‑GCN方法通过空间图卷积建模关节点的结构关系，并结合时间卷积捕捉动态变化，但存在拓扑结构固定、时序建模局限性及通道无差异加权的问题，限制了其识别精度和适应性。本发明在ST‑GCN架构基础上引入了联合通道注意力模块(JCA)和多尺度路径注意力残差网络(MSPARN)，分别提升了特征通道的自适应加权和时序动态特征的多尺度建模能力。具体地，JCA模块通过动态调整通道权重，强化关键通道的响应；MSPARN模块利用多尺度空洞卷积和路径注意力机制，增强了模型对复杂时序动态的处理能力。实验表明，该发明方法在复杂背景和多人物场景下表现出较强的鲁棒性，具有广泛的应用前景，特别是在智能安防、健康监测、人机交互等领域。