Resumen

Se presenta una red neuronal convolucional gráfica fusionada espaciotemporal basada en posturas de movimiento (PM-STGCN) para el reconocimiento de acciones basado en esqueletos. Los métodos existentes de reconocimiento de acciones basado en esqueletos se centran en calcular de forma independiente la información conjunta en un solo fotograma y la información de movimiento de las articulaciones entre fotogramas adyacentes de la estructura del esqueleto del cuerpo humano y luego combinar los resultados de clasificación. Sin embargo, esto no tiene en cuenta la complicada relación temporal y espacial de la secuencia de acciones del cuerpo humano, por lo que no son muy eficientes en distinguir acciones similares. En este trabajo, mejoramos la capacidad de distinguir acciones similares centrándonos en la fusión espaciotemporal y la extracción adaptativa de características para obtener información de alta discriminación. En primer lugar, se propone el módulo de atención local basado en posturas de movimiento (LPM-TAM) con el fin de suprimir los datos de secuencia de esqueleto con poca cantidad de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Novedoso; Basado en posturas en movimiento; Red convolucional gráfica fusionada espaciotemporalmente; Reconocimiento de acciones; Basado en esqueletos; Fusión espaciotemporal
• Keywords:Novel; Posture motion-based; Spatiotemporal fused graph convolutional network; Action recognition; Skeleton-based; Spatiotemporal fusion