基于骨架的动作识别中的时序-通道聚合

基于骨骼的动作识别方法受限于时空骨骼图的语义提取能力。然而，现有方法在有效融合时间维度与空间图维度特征方面存在困难，往往在某一维度上表现过强而在另一维度上表现薄弱。为此，本文提出一种时序-通道聚合图卷积网络（Temporal-Channel Aggregation Graph Convolutional Networks, TCA-GCN），以动态学习空间与时间拓扑结构，并高效聚合不同时间维度与通道维度上的拓扑特征，用于基于骨骼的动作识别。我们设计了时序聚合模块（Temporal Aggregation Module）以学习时间维度特征，同时引入通道聚合模块（Channel Aggregation Module），实现对空间动态通道级拓扑特征与时间动态拓扑特征的高效融合。此外，我们在时间建模过程中提取多尺度骨骼特征，并通过注意力机制进行特征融合。大量实验结果表明，所提模型在NTU RGB+D、NTU RGB+D 120以及NW-UCLA三个基准数据集上的性能均优于当前最先进的方法。