基于時(shí)間-通道拓?fù)浣怦顖D卷積的異常行為檢測(cè)

摘要： 隨著姿態(tài)估計(jì)技術(shù)的發(fā)展，使用人體骨骼數(shù)據(jù)而非傳統(tǒng)像素?cái)?shù)據(jù)進(jìn)行異常行為檢測(cè)成為可能，這種異常檢測(cè)方法克服了傳統(tǒng)基于像素特征的方法中光照、視角和背景噪聲等因素帶來(lái)的問(wèn)題。然而，現(xiàn)有的圖卷積網(wǎng)絡(luò)（Graph Convolutional Network,GCN）在處理人體骨骼數(shù)據(jù)時(shí)，通常使用固定的鄰接矩陣進(jìn)行信息聚合，這限制了模型在提取行為特征時(shí)的靈活性。為了解決上述問(wèn)題，本文提出了基... （共13頁(yè)）