摘要
近年来，一些基于骨骼的关键点物理治疗系统被尝试用于自动评估康复患者完成动作的正确性或质量。然而，在算法设计与评价标准方面，如何充分挖掘和利用不同骨骼特征仍是一个尚未充分探索的问题。为推进该领域的研究，本文提出了一种名为基于集成的图卷积网络（Ensemble-based Graph Convolutional Network, EGCN）的学习框架，用于基于骨骼信息的康复训练动作评估。据我们所知，这是首个同时利用两类骨骼特征并系统研究不同集成策略在该任务中应用的尝试。此外，本文还对现有评价指标的合理性进行了分析，并重点评估了所提出方法的预测能力。我们在两个最新的公开数据集——UI-PRMD和KIMORE上开展了广泛的交叉验证实验。实验结果表明，EGCN模型层面的集成方案在性能上优于现有方法。代码已开源：https://github.com/bruceyo/EGCN。