张芷蒙,彭璟,江小平,石鸿凌.基于高斯噪声与ST-GCN的人体骨架动作识别[J].中南民族大学学报自然科学版,2022,41(4):459-466
基于高斯噪声与ST-GCN的人体骨架动作识别
Skeleton-based action recognition based on Gaussian noise and Spatial Temporal Graph Convolutional Networks
  
DOI:10.12130/znmdzk.20220412
中文关键词: 动作识别  图卷积网络  3D人体骨架  高斯噪声
英文关键词: action recognition  graph convolution network  3D human skeleton  Gaussian noise
基金项目:国家重点研发计划资助项目(2020YFC1522600);国家自然科学基金资助项目(61771014);中央高校专项科研资金资助项目(CZT20004)
作者单位
张芷蒙 中南民族大学 电子信息工程学院 & 智能无线通信湖北省重点实验室武汉 430074 
彭璟 湖北省科技信息研究院武汉 430074 
江小平 中南民族大学 电子信息工程学院 & 智能无线通信湖北省重点实验室武汉 430074 
石鸿凌 中南民族大学 电子信息工程学院 & 智能无线通信湖北省重点实验室武汉 430074 
摘要点击次数: 79
全文下载次数: 74
中文摘要:
      针对基于ST-GCN的骨架动作识别中人工预定义的邻接矩阵结构单一、难以捕捉到非相邻关节点之间的相关性这一问题,提出了一种基于高斯噪声的扰动机制.在人工预定义的骨架图邻接矩阵上引入高斯噪声,利用该噪声扰动ST-GCN中固定的邻接矩阵,捕捉非相邻关节点之间的相关性,运用该方法在具挑战性的NTU RGB+D和Kinetics-Skeleton两个大规模数据集上进行了分类识别实验,结果表明:该方法在两大数据集上的识别精度高达95.34%和36.43%,在节约计算量的前提下有效地提高了动作识别的性能.
英文摘要:
      Aiming at the problem that the artificially predefined adjacency matrix structure in skeleton action recognition based on ST-GCN being single and it is difficult to capture the correlation between non-adjacent joint points, a disturbance mechanism based on Gaussian noise is proposed. Gaussian noise is introduced on the artificially predefined skeletal diagram adjacency matrix, and then the noise is used to perturbate the fixed adjacency matrix in ST-GCN to capture the correlation between non-adjacent joint nodes, and this method is used to carry out experiments on the challenging large-scale datasets of NTU RGB+D and Kinetics-Skeleton. The accuracy of the proposed method is up to 95.34% and 36.43% on these two datasets, which can effectively improve the performance of action recognition under the premise of saving the amount of computation.
查看全文   查看/发表评论  下载PDF阅读器
关闭