一种基于时空图卷积的人体交互行为识别方法-豆柴文库

一种基于时空图卷积的人体交互行为识别方法.pdf

2023-05-18

10金币

857KB

18页

一条****然后

实名认证

内容提供者

1/10

2/10

3/10

4/10

5/10

6/10

7/10

8/10

9/10

10/10

亲，该文档总共18页，到这已经超出免费预览范围，如果喜欢就直接下载吧～

下载提示文本预览

如果您无法下载资料，请参考说明：

1、部分资料下载需要金币，请确保您的账户上有足够的金币

2、已购买过的文档，再次下载不重复扣费

3、资料包下载后请先用软件解压，在使用对应软件打开

相关资料

一种基于时空图卷积的人体交互行为识别方法.pdf

本发明公开了一种基于时空图卷积的人体交互行为识别方法,属于人工智能领域,具体为:首先,用深度摄像机录制时间T内的双人交互行为的视频,直接提取人体骨骼关键点三维坐标数据,将数据规整成形如1×M×C×T×V的张量;初始化时空交互图卷积网络,输入数据张量经过归一化层后,到达6层结构相同的子网络层,每层子网络层由两个单人特征提取模块和一个交互特征关联模块组成;单人特征提取模块包含空间图卷积模块GCN和时间卷积模块TCN;经过6层空间图卷积和时间卷积后输出两张量特征R<base:Sub>1</base:Sub>,R

2023-05-18

857KB

基于残差时空图卷积网络的3D人体行为识别.docx

基于残差时空图卷积网络的3D人体行为识别摘要3D人体行为识别在智能监控、可穿戴设备监测等领域得到了广泛应用。然而，传统的方法在时空建模和特征提取方面存在一些局限性。本文提出了一种基于残差时空图卷积网络的3D人体行为识别方法，该方法将时空图卷积网络和残差网络结合起来，实现对时空信息的全方位学习和提取。实验结果表明，本文方法的准确率相对于传统方法有显著提高。关键词：3D人体行为识别；时空图卷积网络；残差网络；特征提取Abstract3Dhumanbehaviorrecognitionhasbeenwidely

2024-10-20

12KB

一种基于图卷积神经网络的人体行为识别方法.pdf

本发明公开了一种基于图卷积神经网络的人体行为识别方法，本发明使用图卷积神经网络进行人体行为识别技术，从而更好的捕捉骨骼点之间的显式关系；在具体的图卷积操作中，使用行为特异图卷积模块，使得模型也可以更好的捕捉骨骼点之间的隐式关系，以捕捉其中的重要信息；为了捕捉时序信息，本技术采用门控时序一维卷积操作，过滤掉冗余及无关信息，保留其中的有用信息，以更好的建模动作的时序信息；在图卷积操作和一维卷积操作之后，均加入通道注意力模块，以建立通道维度的卷积，为不同的通道分配不同的权值，实现通道维度的注意力机制；通过行为门

2023-11-13

673KB

基于卷积神经网络的人体行为识别方法研究.docx

基于卷积神经网络的人体行为识别方法研究基于卷积神经网络的人体行为识别方法研究摘要：人体行为识别是计算机视觉领域的一个重要研究方向。随着深度学习技术的发展，基于卷积神经网络（CNN）的人体行为识别方法取得了显著的进展。本文综述了基于CNN的人体行为识别方法的研究现状，并重点介绍了基于三维卷积神经网络（3D-CNN）和时空卷积神经网络（ST-CNN）的人体行为识别方法。然后，对这些方法进行了比较和分析，并总结了当前存在的问题和挑战。最后，展望了基于CNN的人体行为识别方法的未来发展方向。关键词：人体行为识别、

2024-10-20

11KB

基于双流卷积神经网络的人体行为识别方法.docx

基于双流卷积神经网络的人体行为识别方法基于双流卷积神经网络的人体行为识别方法摘要：人体行为识别在计算机视觉领域中具有重要应用价值，如智能监控、人机交互等。然而，传统的人体行为识别方法面临着识别准确性和实时性的挑战。本文提出了一种基于双流卷积神经网络的人体行为识别方法，该方法通过同时考虑时空和频域特征，利用双流卷积神经网络实现了高精度的人体行为识别。实验结果表明，该方法在多个数据集上取得了较好的识别效果，具有实时性和鲁棒性。关键词：人体行为识别；双流卷积神经网络；时空特征；频域特征1.引言人体行为识别是计算

2024-10-23

11KB