합성곱 신경망과 그래프 합성곱 네트워크라는 두 가지 알고리즘이 교내 폭력 행위 인식에서 인식 속도와 정확도가 낮은 문제를 해결하기 위해, 본 논문에서는 다중 정보 흐름 데이터 융합과 시공간 주의 메커니즘을 결합한 경량 그래프 합성곱 네트워크를 제안한다. 인간 골격을 연구 대상으로 하여, 먼저 관절과 골격과 관련된 다중 정보 흐름 데이터를 융합하여 네트워크 파라미터 수를 줄임으로써 연산 속도를 높이고; 다음으로 비지역 연산 기반 시공간 주의 모듈을 구축하여 가장 동작 판별력이 높은 관절에 주목함으로써 중복 정보를 줄여 인식 정확도를 향상시키며; 이어서 시공간 특징 추출 모듈을 구성하여 주목한 관절의 시공간 연관 정보를 획득하며; 마지막으로 소프트맥스 층을 통해 동작 인식을 수행한다. 실험 결과, 교내 보안 실제 환경에서 주먹질, 발길질, 넘어짐, 밀치기, 뺨 때리기, 무릎 꿇기 6가지 대표 동작 인식 정확도가 각각 94.5%, 97.0%, 98.5%, 95.0%, 94.5%, 95.5%이며 최대 인식 속도는 20.6fps에 달했다. UCF101 데이터셋에서는 두 가지 기준 네트워크와 비교하여 인식 속도와 정확도가 모두 향상되어, 이 방법이 다른 동작에 대한 일반성을 검증했으며 교내 대표 폭력 행위 인식의 실시간성과 신뢰성 요구를 충족할 수 있음을 확인했다.

교내 폭력 행위 인식;그래프 합성곱 네트워크;데이터 융합;시공간 주의 모듈