基于轻量化深度学习的多模态实时动作识别方法及系统

本发明涉及动作识别技术领域，公开了基于轻量化深度学习的多模态实时动作识别方法及系统。该方法从多源传感设备同步采集目标对象的运动轨迹数据、骨骼关键点序列及环境状态的多模态传感信息；对运动轨迹数据进行时空特征对齐，生成运动连续性指标以确定动作响应周期；提取行为模式信息并进行多尺度特征解析，结合多模态传感信息确定异常行为等级；基于动作响应周期和异常行为等级对实时动作流中的识别盲区进行动态修正。该方法通过多源数据融合、动态响应周期调整、多尺度特征解析及动态盲区修正，提升了动作识别的全面性、准确性和适应性，且轻量化设计使其适用于资源受限设备，具有较强的实用价值。