骨架融合动作识别模型

这个模型用多尺度多流机制和特征融合，首次把装配动作识别精度和实时性同时提上去，连续装配过程里的过渡动作也能正确区分，不再把过渡当操作。

Liu, Daxin · Yu, Huang · 刘振宇 · Mao, Haoyang · Pengcheng, Kan · 谭建荣

Journal of Manufacturing Systems 2024

参数信息

识别准确率

90.5 %

技术优势

过渡动作不再误判

提出过渡动作分类方法（TAC），在连续装配中显式区分过渡动作与正式操作，避免将过渡帧错误归入装配动作类别。

实时性显著提升

基于 Ghost 模块的改进卷积操作减少了模型参数和浮点运算量（FLOPs），使得在保持识别精度的同时提高了推理速度。

识别准确率领先

在公开数据集 NTU RGB+D 60 上，2MSGCN 的识别准确率达到 90.5%，优于主流模型，验证了多尺度多流与特征融合机制的有效性。

应用场景

• 机械工程：用于装配线动作监测，识别操作者动作是否符合标准工艺，提升质量控制。
• 工业机器人：作为人机协作装配的感知模块，让机器人实时理解工人动作并协同作业。
• 具身智能：为具身智能体提供人体骨架动作识别能力，使其在动态环境中响应人类行为。