一种基于多分支融合图卷积网络的健身动作识别方法

本发明公开提出了一种创新的多分支特征融合自适应图卷积网络，旨在突破传统动作识别技术在高维度复杂运动分析中的局限。该方法融合了自适应图卷积网络AGCN和时间通道聚合图卷积网络TCA‑GCN，构建了一个高效的多分支特征融合框架。并以Transformer为核心组件，进一步优化了异质特征的整合，显著提升了特征的互补性和表达能力。通过将视觉骨架数据转化为图结构，本发明充分利用了人体骨架图像的固有特性，实现了对骨架运动高阶特征的精确提取与整合。开发了一种多分支融合策略，将AGCN的动态更新能力与TCA‑GCN在时间通道特征提取上的优势相结合，在公共基准数据集上的实验验证表明，显著提高了对运动中关键骨骼节点的识别精度。