基于骨架的人体交互识别的双人图卷积网络
计算机视觉与模式识别
2023-08-01 v2 人工智能
摘要
图卷积网络(GCNs)在基于骨架的人体动作识别(包括人人交互识别)中一直是主流方法。然而,在处理交互序列时,当前基于GCN的方法简单地将被拆分为两个离散图的双人骨架分开进行图卷积,如同单人动作分类那样操作。此类操作忽略了丰富的交互信息,并阻碍了有效的身体间空间关系建模。为克服上述缺陷,我们引入一种新颖的统一双人图来表示关节间的身体间与身体内相关性。实验表明,利用所提出的双人图拓扑,在识别交互与个体动作时准确率均有提升。此外,我们设计了若干图标注策略以监督模型学习判别性的时空交互特征。最后,我们提出了一种双人图卷积网络(2P-GCN)。我们的模型在三个交互数据集(SBU、NTU-RGB+D和NTU-RGB+D 120)的四个基准上取得了最先进(state-of-the-art)结果。
引用
@article{arxiv.2208.06174,
title = {Two-person Graph Convolutional Network for Skeleton-based Human Interaction Recognition},
author = {Zhengcen Li and Yueran Li and Linlin Tang and Tong Zhang and Jingyong Su},
journal= {arXiv preprint arXiv:2208.06174},
year = {2023}
}