典型文献
融合注意力机制的LSTM-GCN网络人体行为识别
文献摘要：
针对现有人体骨架行为识别方法中因只侧重于视频数据中时间或空间信息的单独提取而存在的时空特征提取不充分的问题,提出一种融合注意力机制的LSTM-GCN网络.该网络设计为LSTM层和图卷积层两层,其中LSTM层重点提取骨架序列的时间信息,图卷积层重点提取骨架序列的空间信息.同时在两个网络层中融入了注意力机制,并按人体骨骼点对整体动作贡献程度对其分配不同的权重,实现了对数据中显著特征及关键帧的增强识别.两个网络层按一定的比重融合后利用Softmax对动作进行分类识别.为验证该方法的优越性,在Kinetics和NTU-RGB+D两个比较典型的公开数据集上进行了仿真实验和消融实验.同时录制了一些相似度高、易混淆的视频,并对其识别结果可视化,再次证明该方法的普适性.实验结果表明该方法可以有效增强人体骨骼行为识别性能,并在计算精度和识别效率上具有一定的优势.
文献关键词：
骨架序列;人体行为识别;图卷积网络;注意力机制;消融实验;深度学习;双层卷积网络
中图分类号：
作者姓名：
高治军;顾巧瑜;韩忠华
作者机构：
沈阳建筑大学,辽宁 沈阳 110168
文献出处：
引用格式：
[1]高治军;顾巧瑜;韩忠华-.融合注意力机制的LSTM-GCN网络人体行为识别)[J].现代电子技术,2022(19):93-98
A类：
双层卷积网络
B类：
注意力机制,GCN,网络人,人体行为识别,人体骨架,视频数据,中时,间或,空间信息,时空特征提取,网络设计,卷积层,两层,取骨,骨架序列,时间信息,网络层,人体骨骼,作贡献,贡献程度,显著特征,关键帧,Softmax,分类识别,Kinetics,NTU,RGB+D,公开数据集,消融实验,录制,识别性,计算精度,图卷积网络
AB值：
0.353778
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。
