相关实验视频
Updated: Jul 11, 2026

08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.7K
基于多层次拓通道的动作识别 关注人类骨的注意力
Kai Hu1,2, Chaowen Shen1, Tianyan Wang1
1School of Automation, Nanjing University of Information Science and Technology, Nanjing 210044, China.
Sensors (Basel, Switzerland)
|December 23, 2023
概括
这项研究引入了一种新的多层次拓频道注意网络,用于使用骨架数据识别人类行为. 该算法通过利用人体结构和四肢协调来增强特征提取,实现高精度.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 人工智能的人工智能
背景情况:
- 骨架数据对于动作识别至关重要,减轻背景和照明变化等环境噪音.
- 现有的图形卷积网络 (GCNs) 难以充分利用人体结构和四肢协调知识.
研究的目的:
- 提出一个新的多层次拓通道注意网络 (MTCA-Net),以改进人类行动的识别.
- 通过整合人体拓和四肢协调先验来增强特征提取.
- 为了有效地捕捉多个尺度的时空特征.
主要方法:
- 多层次拓和频道注意模块整合了从粗到细的人体结构知识.
- 协调模块利用对侧和对侧四肢运动进行动力学分析.
- 一个多尺度的全球空间时间注意力模块捕捉了不同细粒度的特征,使用因果卷积和掩盖的时间注意力.
主要成果:
- 在NTU-RGB+D 60 (Xsub) 和96.3% (Xview) 实现了91.9%的准确性.
- 在NTU-RGB+D 120 (Xsub) 和90.3% (Xset) 上实现了88.5%的准确性.
- 在动作识别任务中表现卓越.
结论:
- 拟议的MTCA-Net有效地利用人体结构和肢体协调,以实现强大的动作识别.
- 该网络的多层次注意力机制捕捉了复杂的时空动态.
- 该方法显著提升了基于骨架的动作识别的最新技术.

