计算机工程与科学

作者：赵艺

单位：伦敦大学学院数学学院，伦敦 WC1E 6 BT

关键词：手势识别,路径签名,时空图卷积网络,监督学习,签名层,

针对时空图卷积网络ST-GCN中GCN的关节邻接图不易学习远端关节之间的语义信息和TCN在描述时间信息方面存在不足的问题，引入了数字签名预处理来增强数据，提出了基于路径签名的改进时空图卷积网络SSIT-GCN。首先将关节位置坐标的时间序列输入签名层进行数据预处理，在该层时间序列通过嵌入算法被转换为多维路径，将其划分为多条路径并计算每条路径的签名特征；其次重新设计GCN的关节邻接矩阵，并用反卷积来代替补零，以保持TCN的尺寸不变，还引入1×1的卷积核增加非线性来改进ST-GCN,得到改进时空图卷积网络SIT-GCN;最后用签名特征代替原始数据输入SIT-GCN，得到最终的输出结果。实验结果表明，基于路径签名的改进时空图卷积网络大大提高了训练精度，缩短了训练时间，对动态手势识别有较好的识别能力和识别速度。

来源：2022年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第12期