典型文献
基于全局图遍历的ST-GCN人体行为识别算法
文献摘要：
传统的时空图卷积网络(spatio-temporal graph convolutional network,ST-GCN)模型存在诸多缺陷,如空间图构造受预定义影响、忽略非相邻节点间信息的有效利用以及计算成本过高等.针对上述问题,基于ST-GCN模型提出一种采用节点全局图遍历的自适应人体行为识别方法.通过建立节点关联函数找出初始节点,再遍历拓扑状态库找出变化较大的前条链路筛选关键连接特征;建立当前节点与相邻和非相邻节点间的有效关联,在卷积过程中增加位运算操作用于舍弃关联度较小的关节点,以期在减少计算量的同时通过直接捕捉人体节点间的位置和距离信息调整运动关联度,增强算法的自适应性.实验结果表明,该算法较原始ST-GCN模型的识别精度高2％,且计算成本低,每秒浮点运算次数下降2.9×109.
文献关键词：
行为识别;关节点;全局图遍历;时空图卷积网络;识别精度
中图分类号：
作者姓名：
刘锁兰;周岳靖;王洪元;张继;肖宇
作者机构：
常州大学计算机与人工智能学院,江苏常州213164;常州工程职业技术学院设计与艺术学院,江苏常州213164
文献出处：
引用格式：
[1]刘锁兰;周岳靖;王洪元;张继;肖宇-.基于全局图遍历的ST-GCN人体行为识别算法)[J].扬州大学学报（自然科学版）,2022(02):62-68
A类：
全局图遍历,状态库
B类：
ST,GCN,人体行为识别,识别算法,时空图卷积网络,spatio,temporal,graph,convolutional,network,多缺陷,图构造,预定,计算成本,关联函数,链路,选关,键连接,位运算,舍弃,关节点,减少计算量,体节,增强算法,自适应性,识别精度,每秒,浮点运算
AB值：
0.29096
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。
