双粒度特征融合图卷积网络在人体行为识别中的应用
来源：计算机工程与应用杂志2026年第2期北京时间：
作者：杨青, 谌依浩, 陈皓
单位：1.西安体育学院 运动与健康科学学院，西安 710068；2.西安邮电大学 计算机学院，西安 710121；
摘要：图网络方法在基于三维人体骨架数据进行人体行为识别的任务上占据了主导地位，但相关方法往往参数庞大且计算成本高昂。针对这一问题，提出一种改进的图网络（MTGCN）模型。该模型通过融合表征粗粒度信息的元动作和细粒度的关节点特征来有效捕捉身体运动过程中的全局变化趋势及局部运动细节，同时通过人体不同分肢在时间和空间上不同尺度的特征聚合来保证行为识别的准确性。在NTURGBD+120数据集上对此方法进行了实验验证，并与近五年提出的多种方法进行了对比。实验结果显示MTGCN在保持较高识别准确率的同时使其参数量和计算量有了大幅降低，这使得该工作在涉及计算受限的场景或边缘设备上具有了更具竞争力的应用潜力。
关键词：人体行为识别,图卷积网络,双粒度特征,多尺度时序卷积
基金资助：国家自然科学基金（61876138）；陕西省重点研发计划（2022GY-315）。
