典型文献
基于轻量级图卷积网络的校园暴力行为识别
文献摘要：
针对卷积神经网络和图卷积网络的两类算法在校园暴力行为识别中识别速度和识别率不高的问题,本文提出一种结合多信息流数据融合和时空注意力机制的轻量级图卷积网络.以人体骨架为研究对象,首先融合关节点和骨架相关的多信息流数据,通过减少网络参数量来提高运算速度;其次构建基于非局部运算的时空注意力模块关注最具动作判别性的关节点,通过减少冗余信息提高识别准确率;接着构建时空特征提取模块获得关注关节点时空关联信息;最终由Softmax层实现动作识别.实验结果表明:在校园安防实景中对拳打、脚踢、倒地、推搡、打耳光和跪地6种典型动作识别准确率分别为94.5％,97.0％,98.5％,95.0％,94.5％,95.5％,识别速度最大为20.6 fps.在UCF101数据集上对比两类基准网络,识别速度和准确率均有提升,验证了方法对其他动作的通用性,可以满足对校园典型暴力行为识别的实时性和可靠性要求.
文献关键词：
校园暴力行为识别;图卷积网络;数据融合;时空注意力模块
中图分类号：
作者姓名：
李颀;邓耀辉;王娇
作者机构：
陕西科技大学电子信息与人工智能学院,陕西西安710021;陕西科技大学电气与控制工程学院,陕西西安710021
文献出处：
引用格式：
[1]李颀;邓耀辉;王娇-.基于轻量级图卷积网络的校园暴力行为识别)[J].液晶与显示,2022(04):530-538
A类：
校园暴力行为识别,非局部运算,打耳光
B类：
轻量级,图卷积网络,识别率,多信息,信息流,流数据,数据融合,时空注意力机制,人体骨架,关节点,网络参数,参数量,时空注意力模块,判别性,冗余信息,识别准确率,时空特征提取,取模,时空关联,联信,Softmax,动作识别,校园安防,实景,拳打,脚踢,倒地,推搡,典型动作,fps,UCF101,基准网络,通用性
AB值：
0.271619
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
