石祥滨，王 佳

(沈阳航空航天大学 计算机学院，沈阳 110136)

人体动作识别是计算机视觉领域的重要研究内容，已经被广泛应用于医疗保健、视频监控和人机交互等诸多领域。虽然人体动作识别已经取得了飞速发展，但由于人体动作语义的模糊性和多样性，使得人体动作识别仍然面临着巨大挑战。

人体骨架反映了人体的空间结构，骨架中关节点的连续变化代表了人体动作的时序特征。随着深度传感器的发展，利用其可以获取3D关节点的位置信息，从而使得基于骨架的动作识别成为可能。目前基于人体骨架的动作识别方法可分为两类：基于人工特征的传统方法和基于深度学习的方法。在基于人工设计特征方法中，Hussein等[1]提出了关节轨迹的协方差矩阵方法，Wang等[2]利用关节的相对位置，Chellappa等[3]利用了身体部位之间的旋转和平移特征，这些方法通过人工制定的规则分析骨架的空间结构，只能获取有限的动作特征，且只针对某种特定的动作进行识别，很难泛化。基于深度学习的人体骨架动作识别方法，可以自动捕获关节的空间结构特征和时序动态特征，进而提取骨架的高层次特征，因此基于骨架的图神经网络成为动作识别的研究热点。

在基于人体骨架数据的深度学习方法中，在Yan等[4]没有将图卷积应用于动作识别之前，人们普遍一直使用RNN方法进行动作识别。文献[5]提出了分层RNN从骨架序列中学习运动表示特征。Shahroudy等[6]引入了部分感知的LSTM网络，进一步提高了LSTM框架的性能。……