一种基于时空增强图卷积网络的人体行为识别方法

本发明公开了一种基于时空增强图卷积网络的人体行为识别方法。首先，采集人体运动过程中各关节点的空间坐标序列，构建时空骨架图数据；然后将该数据输入带有空间自适应建模机制的图卷积模块，动态学习关节之间的拓扑结构关系，实现骨架图中局部与全局依赖信息的建模；接着，引入多尺度时间增强模块，对骨架序列在不同时间感受野下进行并行建模，通过空洞卷积与多头注意力机制提取动作的长期与短期时序特征；同时，采用自适应帧加权机制，引导模型聚焦于关键帧信息，提升对动作语义的表达能力。所提方法最终通过全连接层与Softmax分类器输出识别结果，实现对多类复杂人体动作的准确识别。与现有方法相比，本发明具备更强的时空建模能力与更高的识别精度，适用于安防监控、智慧医疗、人机交互等多种场景中对人体行为的智能识别需求。