公开(公告)号：CN113673411B

公开(公告)日：2022-10-18

申请号：CN202110941050.X

申请日：2021-08-17

Applicant: 江南大学

Inventor： 宋晓宁 ,  苏江毅 ,  冯振华

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的轻量级移位图卷积行为识别方法，包括，对数据集进行预处理，生成关节点信息流数据集、骨长信息流数据集、基于运动信息的关节点信息流数据集和基于运动信息的骨长信息流数据集；构建ALS‑GCN网络，并通ALS‑GCN网络获得信息流的时空间特征；融合信息流的时空间特征，获得行为识别结果；本发明通过构建基于注意力机制的空间移位模块的方式，解决了感受野过小的问题；同时通过构建时间移位模块的方式，解决了非线性堆叠的方式造成的参数量过高的问题，能够在较少计算量的情况下，达到较高的识别精度。

公开(公告)号：CN113673411A

公开(公告)日：2021-11-19

申请号：CN202110941050.X

申请日：2021-08-17

Applicant: 江南大学

Inventor： 宋晓宁 ,  苏江毅 ,  冯振华

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于注意力机制的轻量级移位图卷积行为识别方法，包括，对数据集进行预处理，生成关节点信息流数据集、骨长信息流数据集、基于运动信息的关节点信息流数据集和基于运动信息的骨长信息流数据集；构建ALS‑GCN网络，并通ALS‑GCN网络获得信息流的时空间特征；融合信息流的时空间特征，获得行为识别结果；本发明通过构建基于注意力机制的空间移位模块的方式，解决了感受野过小的问题；同时通过构建时间移位模块的方式，解决了非线性堆叠的方式造成的参数量过高的问题，能够在较少计算量的情况下，达到较高的识别精度。