《一种结合关键节点和增强数据引导的人体行为识别方法》

技术简介：

本发明涉及人体行为识别技术领域,尤其涉及一种结合关键节点和增强数据引导的人体行为识别方法,包括：通过增强算法和计算关键节点算法分别对原始数据进行处理；将增强后的关节序列数据输入教师ST-GCN模型,训练完成得到固定网络参数的教师模型的输出特征；根据关键节点骨架序列值得到学生模型的输出特征；以P-t～*(s)与的均方损失作为学生模型的额外监督；并以与标签之间的交叉熵损失作为学生模型的主要监督；根据均方损失和交叉熵损失计算最终损失。本发明针对现有的基于GCN的方法是通过增加模型参数来提高性能,这使得模型在训练的时候需要大量的数据,这也意味着在小样本学习任务中表现不佳。

研发人员：梁久祯;张城瑜