来源：期刊VIP网 时间：
作者：余翔;连世龙;
单位：重庆邮电大学通信与信息工程学院;
摘要：在基于骨骼的动作识别任务中，骨骼点特征对于动作识别来说至关重要。针对现有方法存在输入特征不足、特征融合策略粗糙、参数量大等问题，提出一种基于人体骨骼点的双流跨级特征融合网络。首先，针对特征输入，用欧氏距离骨架特征（EDSF）和余弦角度骨架特征（CASF）两种局部关节特征来表征人体骨骼序列，帮助网络识别不同体态和体态相似的人体动作；其次，考虑到部分动作类别的运动轨迹与全局运动的相关性，引入全局运动特征（GMF）弥补局部关节特征在此类动作上识别精度不足的问题；此外，为了加强不同特征之间的信息交互，提出一种跨级特征融合模块（CLFF），对不同特征层、不同属性的动作特征进行特征互补，丰富了网络的特征形式；最后，网络采用一维卷积（Conv1D）进行搭建，减轻了模型的计算负担。实验结果表明，所提模型在JHMDB身体动作数据集上获得了84.1%的识别准确率，在SHREC手势动作数据集上分别获得了97.4%（粗糙数据集）和95%（精确数据集）的识别准确率，取得了与先进方法相当的性能。
关键词：动作识别;;骨架特征;;运动轨迹;;局部关节特征;;全局运动特征;;跨级特征融合
基金资助：国家自然科学基金项目（62176035）
