Para abordar el problema de la extracción insuficiente e incompleta de características y la baja precisión en el reconocimiento de acciones basadas en la secuencia del esqueleto humano, este artículo propone un modelo de reconocimiento de acciones basado en características de múltiples ramas y características espaciales y temporales multiescala. Primero, se mejoraron las características de los datos originales utilizando una combinación de varios algoritmos; segundo, la forma de entrada de características de múltiples ramas se mejoró a información de características fusionadas de múltiples ramas e ingresó por separado a la red, fusionándose después de pasar por módulos de red de cierta profundidad; luego, se construyó un módulo convolucional espaciotemporal multiescala como módulo básico de la red para extraer características espaciales y temporales multiescala; finalmente, se construyó un modelo de red completo para producir la categoría de la acción. Los resultados experimentales muestran que las precisiones de reconocimiento en los dos estándares de división Cross-subject y Cross-view del conjunto de datos NTU RGB-D 60 son 89,6 % y 95,1 % respectivamente, y en los dos estándares Cross-subject y Cross-setup del conjunto NTU RGB-D 120 son 84,1 % y 86,0 % respectivamente. En comparación con otros algoritmos, el algoritmo de este artículo extrae características de acción más diversas y multiescala, con una mejora en la precisión del reconocimiento de categorías de acciones.

reconocimiento de acciones; características multiescala; características multirama; fusión de características