计算机应用研究

作者：徐洪,吕凯,袁亮,

单位：1.新疆大学a.软件学院;b.机械学院,乌鲁木齐830046；2.上海交通大学南加州大学文化创意产业学院,上海200240；

关键词：行为识别,图卷积网络,自适应,时空拓扑,

基金：国家自然科学基金资助项目(62501517,52275003)；中央高校基本科研业务费专项资金资助项目(buctrc202105)；；

大多数骨骼行为识别方法通过预定义的骨骼拓扑结构来建模空间关系。然而，该方法所依赖的预定义拓扑存在本质缺陷，其静态性与共享性限制了模型特征提取的灵活性。为解决该问题，提出了一种基于自适应时空图卷积网络（adaptive spatio-temporal graph convolutional network，AST-GCN）的骨骼行为识别方法。该网络包含自适应空间图卷积（adaptive spatial graph convolution，AS-GC）与自适应时间图卷积（adaptive temporal graph convolution，AT-GC）两个核心模块。自适应空间图卷积通过多个可学习的邻接矩阵替代固定拓扑结构，自适应地提取动作的空间特征。自适应时间图卷积则在时间维度进行多层次建模，通过可学习邻接矩阵实现对不同时间段动态信息的细化学习。AST-GCN在大规模数据集NTU-RGB+D 60上的准确率为92.9% （X-Sub）和96.9% （X-View），在NTU-RGB+D 120上的准确率为89.7% （X-Sub）和91.0% （X-Set），在性能表现上优于现有的主流方法，验证了模型的有效性。

来源：2026年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第5期