基于改進(jìn)圖卷積網(wǎng)絡(luò)和人體骨架的扶梯場(chǎng)景危險(xiǎn)行為識(shí)別

摘要：為了使圖神經(jīng)網(wǎng)絡(luò)從前后相鄰幀中獲取缺失的人體骨架信息，解決自動(dòng)扶梯狹長(zhǎng)環(huán)境的遮擋問(wèn)題和相似人體骨架動(dòng)作準(zhǔn)確識(shí)別問(wèn)題，提出一種注意力引導(dǎo)的多尺度層次邊緣聚合時(shí)序圖卷積網(wǎng)絡(luò)（AMH-GCN）。首先，對(duì)時(shí)序卷積網(wǎng)絡(luò)加入不同擴(kuò)張率的多尺度特征，延展出的7個(gè)分支可增強(qiáng)網(wǎng)絡(luò)對(duì)時(shí)間域的特征提取能力;其次，在多尺度特征時(shí)序卷積網(wǎng)絡(luò)后面加入層次邊緣卷積，使局部特征向全局特征擴(kuò)張;最后，在每個(gè)時(shí)空?qǐng)D卷積塊中，加人空間通道注意力機(jī)制，強(qiáng)化網(wǎng)絡(luò)對(duì)空間、通道信息的處理，使AMHGCN在分類(lèi)過(guò)程中更加關(guān)注不同行為的細(xì)節(jié)特征，提高分類(lèi)的準(zhǔn)確率。在NTU RGB+D 數(shù)據(jù)集和扶梯危險(xiǎn)行為數(shù)據(jù)集上，對(duì)AMHGCN進(jìn)行評(píng)估。結(jié)果表明：相較于基線方法STGCN lt;supgt;++lt;/supgt; ，AMHGCN在 NTU RGB +D 數(shù)據(jù)集和扶梯危險(xiǎn)行為數(shù)據(jù)集上的識(shí)別準(zhǔn)確率均有較大的提高。