基于改进Slow-Only网络的骨骼点动作识别方法研究

摘要

由于存在人体之间相互遮挡、受环境变化影响较大、时序特征提取能力较弱等问题,现有的动作识别方法在精准度方面仍有不足,因此,提出了一种基于改进Slow-Only网络的骨骼点动作识别方法。首先,将骨骼关键点数据进行预处理,分别在时间和空间维度减少冗余信息;其次,基于Slow-Only网络,重新设计了时间卷积模块,以更好地提取视频帧所包含的时序信息;最后,增加了改进的注意力机制模块,以降低遮挡问题带来的影响。在NTU RGB+D数据集上进行了实验,实验结果表明该方法能有效地提升检测精度,并且在实际场景中具有应用价值。