Para abordar o problema da extração insuficiente e incompleta de características e a baixa precisão no reconhecimento de ações baseado na sequência do esqueleto humano, este artigo propõe um modelo de reconhecimento de ações baseado em características de múltiplos ramos e características espácio-temporais multiescalares. Primeiramente, utilizou-se a combinação de vários algoritmos para reforçar as características dos dados originais; em segundo lugar, a forma de entrada das características dos múltiplos ramos foi aprimorada para informações de características fusionadas múltiplas e inseridas separadamente na rede, sendo fundidas após passarem por módulos de rede com certa profundidade; em seguida, construiu-se um módulo convolucional espácio-temporal multiescalar como módulo básico da rede para extrair características espácio-temporais multiescalares; finalmente, construiu-se o modelo integral de rede para produzir a categoria da ação. Os resultados experimentais mostram que as precisões de reconhecimento nas duas normas de divisão Cross-subject e Cross-view no conjunto de dados NTU RGB-D 60 são 89,6% e 95,1%, respectivamente, e nas duas normas Cross-subject e Cross-setup no conjunto NTU RGB-D 120 são 84,1% e 86,0%, respectivamente. Em comparação com outros algoritmos, o algoritmo deste artigo extrai características de ação mais diversificadas e multiescalares, apresentando certa melhora na precisão do reconhecimento das categorias de ação.

reconhecimento de ações; características multiescala; características multiramificadas; fusão de características