2.2 基于骨架行为识别 人体骨骼和关节轨迹对光照变化和场景变化具有鲁棒性,且深度传感器或姿态估计算法精度高,易于获取。因此,有一种广泛的基于骨架的动作识别方法。这些方法可以分为基于特征的手工方法和深度学习方法。第一种方法设计了几个手工制作的特征来捕捉关节运动的动力学。 这些可能是关节轨迹的协方差矩阵,关
STGCN是一种用于基于骨架行为识别的新方法，其主要特点和贡献如下：解决传统骨骼建模方法的局限性：STGCN旨在开发一种有效且具有原则性的方法来构建动态骨架模型，并用于动作识别。通过自动学习数据中的时空模式，超越了以往方法的局限性。增强表达能力和泛化能力：STGCN不仅提高了模型的表达能力，还增强了其...
在探讨基于骨架行为识别的领域，一项名为“时空图卷积网络”（ST-GCN）的新方法被提出，以解决传统骨骼建模方法的局限性。该论文旨在开发一种有效且具有原则性的方法来构建动态骨架模型，利用其进行动作识别。ST-GCN通过自动学习数据中的时空模式，超越了以往方法的局限性，不仅增强了表达能力，还提升了模型...
https://github.com/kennymckormick/pyskl 早期的Skeleton-Based动作识别模型: 早期使用骨架进行动作识别的方法只是简单的利用各个时间帧的关节(joint)坐标形成特征向量,然后对其进行时序分析。这没有显示地考虑到关节之间的空间连接,但其实这种空间关系是理解人类行为的关键。 传统的骨架建模通常依赖于手工标注数据(hand-...