骨骼点图卷积网络

跨数据集顶尖精度

将骨架拆分为身体部位并引入尺度感知时序卷积，能对相似动作和微弱动作进行更精准的建模。

李昌 · 毛莺池 · 黄倩 · Xiaowei, Zhu · Jie, Wu

IEEE Transactions on Circuits and Systems for Video Technology 2023

技术优势

细化关节关系

将骨架划分为身体部位并嵌入高层语义，从而细化物理邻接矩阵，使模型能够学习到语义上有意义的连接。

自适应多尺度时序建模

利用动态尺度感知机制提取上下文相关的多尺度特征，使模型能够根据动作内容自动调整时间尺度。

跨数据集 SOTA

在 NTU RGB+D 60、NTU RGB+D 120 和 NW-UCLA 三个基准上取得与现有最佳方法相当的性能，验证了泛化能力。

应用场景

• 人机交互：让交互系统更准确地识别微妙手势和相似动作。
• 视频监控：在监控视频中更可靠地检测瞬态和相似行为。
• 康复训练：精确捕捉细微动作差异，辅助康复评估。
• 运动分析：区分相似运动模式，支持技术动作分析。