原创力文档摘要
近年来，人体行为识别技术由于其广泛的应用性以及较高的商业价值而得到
持续关注。时下行为识别的相关研究热点聚焦在骨骼序列行为识别，这是因为骨
骼数据更轻量化，鲁棒性更强且不易透露用户隐私。但目前基于骨骼数据的人体
行为识别模型由于其对识别性能的追求导致参数量逐渐累积，模型臃肿且效率低
下。对此，本文提出以下方法来有效平衡行为识别模型性能与参数量之间的关系：
（1）提出基于骨骼序列的前后双融合图卷积网络（FRF-GCN）以解决以下
问题：1、多流融合策略导致模型复杂性高和参数数量过于庞
摘要
近年来，人体行为识别技术由于其广泛的应用性以及较高的商业价值而得到
持续关注。时下行为识别的相关研究热点聚焦在骨骼序列行为识别，这是因为骨
骼数据更轻量化，鲁棒性更强且不易透露用户隐私。但目前基于骨骼数据的人体
行为识别模型由于其对识别性能的追求导致参数量逐渐累积，模型臃肿且效率低
下。对此，本文提出以下方法来有效平衡行为识别模型性能与参数量之间的关系：
（1）提出基于骨骼序列的前后双融合图卷积网络（FRF-GCN）以解决以下
问题：1、多流融合策略导致模型复杂性高和参数数量过于庞
文档评论（0）