田志强，邓春华*，张俊雯

（1.武汉科技大学计算机科学与技术学院，武汉 430065；2.武汉科技大学大数据科学与工程研究院，武汉 430065；3.智能信息处理与实时工业系统湖北省重点实验室（武汉科技大学），武汉 430065）

（*通信作者电子邮箱dchzx@wust.edu.cn）

0 引言

视频序列中人体行为识别是计算机视觉中一个重要的任务，也是机器视觉、模式识别、人工智能等多个学科领域的交叉研究课题，在视频监控、人机交互、智能机器人、虚拟现实等领域被广泛应用［1］。基于视频流的人体行为识别的算法很多：有些算法采用RGB（Red，Green，Blue）图像序列［2-3］，有些算法采用深度图像序列［4-5］，还有些算法采用双流融合的模态（例如RGB+光流）［6］和人体骨架序列［7］等。人体骨架数据是人体关节和骨头的一种拓扑表示方式，在面对复杂背景以及人体尺度变化、视角变化和运动速度变化时具有先天优势，相比其他模态具有更小的运算消耗［8］。此外，随着深度传感器和人体姿态估计技术不断成熟，可以轻松获得准确的人体骨架数据，因此，许多研究人员和实际项目都使用人体骨架数据来做行为检测和识别［9-13］。

传统的基于骨架的算法通常利用手工特征从特定的骨架序列中提取运动模式［14］。然而，这些手工特征只在一些特定的数据集上表现良好，可能无法迁移到其他数据集，不具有普适性［15］。随着深度学习算法在其他计算机视觉任务上的发展和优异表现，骨架数据的卷积神经网络（Convolutional Neural Network，CNN）［16-17］、循环神经网络（Recurrent Neural Network，RNN）［18］、图卷积网络（Graph Convolutional Network，GCN）［9］开始涌现。人体行为的……