基于时序解耦图卷积的行为识别方法

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：张?彬;庄?叶;徐天阳;宋晓宁;范方英5

单位：1. 昆山市人力资源和社会保障信息中心,江苏 苏州 215300;2. 昆山市人力资源和社会保障局,江苏 苏州 215300;3. 江南大学 人工智能与计算机学院,江苏 无锡 214122;4. 第图(苏州)生物科技有限公司,江苏 苏州 215000;5. 昆山市社会保险基金管理中心,江苏 苏州 215300

摘要：工伤预防是保障职工生命安全,减少经济损失,促进企业及社会稳定发展的关键因素之一。大部分工伤事故由不当行为导致,因此,对人员行为进行智能分析并识别是预防工伤事故的重要举措之一。然而,现有行为识别方法在单个时空粒度上创建对比样本对进行无监督训练,缺乏有效的时序感知能力。考虑到一个行为动作来源于身体部件在多个画面帧的运动变化,解耦时序关系可以提供更全面和互补的行为线索。因此,该文引入了一种时序解耦图卷积网络(Temporal Disentanglement Graph Convolutional Network,TD-GCN)来提高图卷积网络对行为识别的建模能力。具体而言,提出采用时序下采样模块对视频序列进行多粒度划分,保留时序多尺度特征。进而利用注意力模块对不同粒度的时序信息的相互关系进行全局感知建模。此外,为了突出嵌入在人体中的物理先验结构,该文引入了一种新型的时空分组掩码策略,强化行为的特定时空模式。在NTU-60和NTU-120上进行的实验表明,TD-GCN优于几种主流方法,具有高水准的表现能力,在工伤预防的实际案例中能够起到较好的实施预测性能,加快工伤预防智能化、数字化、数制化。

关键词：工伤预防;行为识别;时序解耦;图卷积网络;时空分组掩码