分层残差结构的时空图网络多目标在线康复动作识别

来源：计算机应用与软件杂志2024年第11期北京时间：

作者：吴冬梅, 白凡, 宋婉莹

摘要：时空图卷积网络（ST-GCN)可以自动学习骨架数据的空间和时间特征，不受外界复杂环境的干扰。针对原有模型存在的骨架信息特征提取不充分、局部信息建模不强等问题，提出一种分层残差结构的骨架识别模型(Res2-STGCN)。构造分层残差结构的时空图卷积模块结合原模块组成新的网络模型。通过改变模块的尺度来进一步扩大感受野。调整学习率间隔等参数解决过拟合问题。将Res2-STGCN与检测、姿态估计与跟踪算法结合实现多目标康复动作识别。在NTURGB+D和自建数据集上设计实验，对比基准算法ST-GCN，改进后最优模型的识别准确率在两种不同的数据划分标准下分别提升了5.61百分点和6.03百分点，在自建数据集上的平均识别准确率为99.5%，对复杂动作的识别具有较强的鲁棒性。

关键词：时空图卷积, 骨架行为识别, 分层残差, 多尺度特征