基于高阶时空自注意力的开集动作识别算法

来源：计算机集成制造系统杂志2025年第12期北京时间：

作者：张泽群, 李书婷, 曹其立, 唐敦兵, 季宇辰

单位：南京航空航天大学机电学院

摘要：随着人机协作技术的快速发展,人体动作识别在复杂环境中面临诸多挑战。现有的动作识别方法主要针对封闭集进行优化,缺乏对开放集环境中未知类别的有效识别。为了应对这一挑战,提出了一种基于高阶时空自注意力机制的开集动作识别算法。该算法结合了空间多头自注意力(S-MHSA)和时间多头自注意力(T-MHSA)模块,增强了模型对长时依赖性和全局上下文信息的捕捉能力。通过引入OpenMax层,计算样本与均值激活向量(MAV)之间的距离分布,成功区分了已知类别与未知类别,从而提高了开放环境下的识别准确性。最后,在公开数据集和自定义数据集上进行了广泛实验。结果显示,改进算法相比原算法具有更高的准确率和开放集识别能力。同时,在现实场景里验证了其应用价值。

关键词：动作识别,开放环境,时空图卷积网络,骨架序列,深度学习

基金资助：国家自然科学基金资助项目(52305539,92267109);江苏省自然科学基金资助项目(BK20230880);中央高校基本科研业务费资助项目(NS2024033)。