多杆自适应融合和双聚焦注意力,用于增强基于步态的情感识别
Jincheng Li1, Xuejing Dai2, Ruiao Yan1
1College of Public Security Information Technology and Intelligence, Criminal Investigation Police University of China, Tawan Street83, Shenyang, 110854, Liaoning, China.
Scientific reports
|April 29, 2025
概括
这项研究引入了一种新的基于步态的情感识别模型MDT-GCN,通过捕捉动态时间特征来提高准确性. 该模型实现了高识别率,推进了人机交互和公共安全应用.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 行为科学 行为科学
背景情况:
- 基于步态的情绪识别显示了公共安全和医疗保健的潜力.
- 现有的方法在特征冗余性和时间动态方面扎.
研究的目的:
- 开发一种新的时间图卷积网络 (MDT-GCN),用于增强基于步态的情感识别.
- 通过结合多和双焦点注意力机制来解决现有方法的局限性.
主要方法:
- 使用图形卷积网络 (GCN) 和时间卷积网络 (TCN) 来提取姿势和动作特征.
- 集成的多注意力 (MAAF) 用于多尺度的时间特征提取.
- 采用双重焦点注意力 (BFA) 来捕捉本地和全球特征.
主要成果:
- 在情绪步行数据集上,MDT-GCN实现了90.11%的准确性.
- 该模型在情绪步行数据集上达到84.23%的准确性.
- 在从步态来识别情绪方面,在现有方法上表现出优越的性能.
结论:
- 拟议的MDT-GCN通过捕捉复杂的时间动态,有效地识别出行走中的情绪.
- 开源代码和数据集将促进在这个跨学科领域的进一步研究.


