В связи с низкой скоростью и точностью распознавания двух типов алгоритмов свёрточных нейронных сетей и графовых сверточных сетей при выявлении актов насилия в школах, в данной статье предлагается лёгкая графовая сверточная сеть, сочетающая многопотоковое слияние данных и пространственно-временной механизм внимания. Исследование проводится на основе скелета человека, сначала объединяются многопотоковые данные, связанные с суставами и скелетом, что повышает скорость вычислений за счёт сокращения количества параметров сети; затем строится пространственно-временной модуль внимания на основе нелокальных операций, который фокусируется на наиболее информативных для распознавания движений суставах, что повышает точность за счёт уменьшения избыточной информации; далее формируется модуль извлечения пространственно-временных признаков для получения информации о пространственно-временных связях выделенных суставов; в итоге распознавание движений осуществляется слоем Softmax. Экспериментальные результаты показали, что в условиях школьной безопасности точность распознавания шести типичных движений — удар кулаком, пинок, падение, толчок, пощёчина и коленопреклонение — составила соответственно 94,5%, 97,0%, 98,5%, 95,0%, 94,5%, 95,5%, а максимальная скорость распознавания достигла 20,6 кадров в секунду. Сравнение на датасете UCF101 показало улучшение скорости и точности распознавания по сравнению с двумя базовыми сетями, подтвердив универсальность предложенного метода для других движений и соответствие требованиям оперативности и надежности при распознавании типичных актов насилия в школах.

Распознавание актов насилия в школах;Графовая сверточная сеть;Слияние данных;Пространственно-временной модуль внимания