Um das Problem der unzureichenden, unvollständigen Merkmalsextraktion und der niedrigen Erkennungsgenauigkeit von Aktionen basierend auf der menschlichen Skelettsequenz zu lösen, schlägt dieser Artikel ein Aktions­erkennungsmodell basierend auf mehrzweigigen Merkmalen und multiskalaren spatio-temporalen Merkmalen vor. Zunächst wurden die Rohdatenmerkmale durch die Kombination verschiedener Algorithmen verstärkt; zweitens wurde die Eingabeform der mehrzweigigen Merkmale zu mehrzweiligen Fusionierungsmerkmalen verbessert und einzeln in das Netzwerk eingespeist, die nach bestimmten Netzwerktiefenmodulen zusammengeführt wurden; dann wurde ein multiskala-spatio-temporales Faltungsmodul als Basismodul des Netzwerks gebaut, um mehrskalige spatio-temporale Merkmale zu extrahieren; schließlich wurde ein Ganznetzwerkmodell aufgebaut, das die Aktionskategorie ausgibt. Die experimentellen Ergebnisse zeigen, dass die Erkennungsgenauigkeit nach den beiden Aufteilungskriterien Cross-subject und Cross-view für den NTU RGB-D 60-Datensatz jeweils 89,6 % und 95,1 % beträgt, und für den NTU RGB-D 120-Datensatz nach den Aufteilungskriterien Cross-subject und Cross-setup jeweils 84,1 % und 86,0 %. Im Vergleich zu anderen Algorithmen extrahiert der Algorithmus dieses Artikels vielfältigere und mehrskalige Aktionsmerkmale und erzielt eine gewisse Verbesserung der Erkennungsgenauigkeit der Aktionskategorien.

Aktions­erkennung; multiskalige Merkmale; mehrzweigige Merkmale; Merkmalsfusion