基于双分支自适应图神经网络的人体骨骼行为识别方法研究

王超; 项婧玟; 张雅君; 李欣晨; 翁俊超

doi:10.12184/wspkjllysjWSP2634-792X09.20260705

PDF
Export
Share
Collection
Album

Volume 7, Issue 5

Views: 0 Downloads: 0

基于双分支自适应图神经网络的人体骨骼行为识别方法研究
基于双分支自适应图神经网络的人体骨骼行为识别方法研究
长春光华学院电气信息学院，吉林长春 130033
Vol. 7, Issue 5, Pages: 37-40(2026)
Published：30 May 2026
DOI：10.12184/wspkjllysjWSP2634-792X09.20260705
Accepted：

Scan QR Code

王超,项婧玟,张雅君等.基于双分支自适应图神经网络的人体骨骼行为识别方法研究[J].科技理论与实践,2026,07(05):37-40.

王超, 项婧玟, 张雅君, 李欣晨 & 翁俊超. (2026). 基于双分支自适应图神经网络的人体骨骼行为识别方法研究. Theory and Practice of Science and Technology, 7(5), 37-40..
王超,项婧玟,张雅君等.基于双分支自适应图神经网络的人体骨骼行为识别方法研究[J].科技理论与实践,2026,07(05):37-40. DOI： 10.12184/wspkjllysjWSP2634-792X09.20260705.

王超, 项婧玟, 张雅君, 李欣晨 & 翁俊超. (2026). 基于双分支自适应图神经网络的人体骨骼行为识别方法研究. Theory and Practice of Science and Technology, 7(5), 37-40.. DOI： 10.12184/wspkjllysjWSP2634-792X09.20260705.

摘要

传统基于骨骼的人体行为识别方法存在固定拓扑泛化能力弱、动态时序运动特征建模不足的问题，本文提出一种基于双分支自适应图神经网络的人体骨骼行为识别方法，首先构建了包含静态关节坐标与动态帧间运动信息的6通道骨骼特征序列，解决原始单通道关节信息时序表达缺失的问题。其次设计对称双分支自适应图卷积网络结构，分别通过坐标分支建模人体静态空间拓扑姿态、运动分支建模关节动态时序变化规律，采用自适应动态图卷积替代传统ST-GCN固定手工拓扑，解决固定拓扑无法适配多样化动作依赖的缺陷。最后通过特征融合、全局池化与分类层完成行为识别。在NTU RGB+D 60标准骨骼数据集上进行实验验证，本文方法在难度更高的Cross-Subject跨受试者协议下识别准确率达到87.9%，相比原始ST-GCN模型提升14.5个百分点，同时参数量与计算量保持轻量化。实验结果表明，本文方法可有效挖掘骨骼序列静态空间与动态时序特征，在人体骨骼行为识别任务上具备优秀的识别性能与泛化能力。

Abstract

关键词

Keywords

references

Yan S , Xiong Y , Lin D . Spatial temporal graph convolutional networks for skeleton-based action recognition [C ] // Proceedings of the AAAI conference on artificial intelligence . 2018 .

Shi L , Zhang Y , Cheng J , et al . Two-stream adaptive graph convolutional networks for skeleton-based action recognition [C ] // Proceedings of the IEEE/CVF conference on computer vision and pattern recognition . 2019 .

陈宇轩 . 通道拓扑细化图卷积骨骼行为识别方法研究 [D ] . 北京 : 中国科学院自动化研究所 , 2021 .

王强 . 基于图神经网络的人体骨骼行为识别算法研究 [J ] . 计算机工程与应用 , 2024 , 60 ( 12 ): 1 - 12 .