人体骨格系列に基づく動作認識における特徴抽出の不十分さ、不完全さ、および認識精度の低さの問題に対処するため、本論文ではマルチブランチ特徴およびマルチスケール時空間特徴に基づく動作認識モデルを提案する。まず、複数のアルゴリズムを組み合わせて元データの特徴を強化した。次に、マルチブランチの特徴入力形式をマルチブランチ融合特徴情報に改良し、それぞれをネットワークに入力し、一定の深さのネットワークモジュールを経て統合した。その後、マルチスケールの時空間畳み込みモジュールをネットワークの基本モジュールとして構築し、多尺度の時空間特徴を抽出した。最後に、全体のネットワークモデルを構築し、動作カテゴリを出力した。実験結果は、NTU RGB-D 60データセットの2つの分割基準Cross-subjectおよびCross-viewでの認識精度がそれぞれ89.6％および95.1％、NTU RGB-D 120データセットの2つの分割基準Cross-subjectおよびCross-setupでの認識精度がそれぞれ84.1％および86.0％であることを示している。他のアルゴリズムと比較して、本論文のアルゴリズムはより多様で多尺度な動作特徴を抽出しており、動作カテゴリの認識精度が一定程度向上している。

動作認識; マルチスケール特徴; マルチブランチ特徴; 特徴融合