张懿扬，陈 志*，岳文静，张怡静

(1.南京邮电大学 计算机学院，江苏 南京 210023； 2.南京邮电大学 通信与信息工程学院，江苏 南京 210023； 3.南京邮电大学 物联网学院，江苏 南京 210023)

0 引 言

在进行人物姿态分类时，一般认为人的行为具有多种模式，在群体人物行为中表现为三个或者更多相互作用、相互影响、有共同目标的人物组成的群体的相对运动现象[1]，具体到竞技比赛中表现为运动者做出一些具有典型特点的竞技运动行为。通过对运动特征的分析与处理来提出可行性建议，可以提高运动质量，优化人们生活品质，提升体育竞技水平[2]。当前已开始使用深度学习等算法进行研究实验，形成了基于人工特征提取[3]的传统方法和基于深度学习[4]的方法。

在Microsoft Kinect、OpenPose等人体姿态检测系统中，人体关键点的运动轨迹为动作的描述提供了较好的表征，基于骨架关键点的模型通常能传达出重要的特征信息。以连续的视频帧中检测到的人体骨架关键点序列为输入，能够输出在视频中发生的人物动作类别。在早期使用骨骼进行人物动作识别时，仅仅利用单个时间步长的关键点坐标形成的特征向量，对其进行时间分析，并没有显式地利用关键点之间的空间联系。

在近期的研究中，利用关键点间自然联系的方法已经被开发出来[5]，其效果较早期方法有着长足的进步，证明了连接的重要性。目前多数方法仍需要用手工制作的规则及部件来分析空间模式[6]，这导致应用程序的设计模型很难泛化使用。……