计算机应用研究

作者：唐櫞,魏维,郑程,李晨,蒋浩文,

单位：成都信息工程大学软件工程学院,成都610225；

关键词：动作识别,图卷积网络,对比学习,多层次,拓扑细化,

基金：四川省科技创新苗子项目(MZGC20230105)；科技厅重点研发资助项目(2021YFG0299)；；

动作识别是计算机视觉领域中的前沿探索，得益于图卷积网络（GCN）处理非欧几里德数据的优势，该方法已成为从骨架数据中提取特征的主流方法。针对目前GCN忽视跨序列信息、对运动轨迹相似度高的模糊样本难以区分等问题，提出一种结合对比学习的图拓扑对比细化方法（graph topology contrast refinement block，GTCR-Block）。首先，根据模型的识别情况，将样本划分为可信样本和模糊样本；其次，建立样本级记忆库（sample-level memory bank，Bsam）和全局级记忆库（global-level memory bank，Bglo），存储跨批次图拓扑，使用对比学习方法使图拓扑具有类内聚合、类间分散的特性，将模糊样本在特征空间中分隔开。最后，采用多层次的策略学习更多的判别特征表示。实验结果表明，在不增加额外参数的情况下，在NTU RGB+D数据集达到了X-Sub基准93.3%和X-View基准97.4%的准确率，在 NTU RGB+D 120数据集达到了X-Sub基准89.4%和X-set基准91.2%的准确率。采用GTCR-Block能够有效提升动作识别的效果。

来源：2025年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第2期