本發明公開了一種基于人體骨骼序列的動作預測方法,該方法充分利用人體拓撲圖結構,采用圖卷積網絡提取豐富的、具有代表性的時空特征,通過采用多老師模型的知識蒸餾技術,低觀測率序列從完整序列和高觀測率序列學習先驗知識,具體地,每個樣本實例根據觀測率自適應地選擇對應的預訓練老師模型,進行知識遷移學習。多老師模型自適應指導生成的學生模型,通過采用再生網絡技術,迭代訓練生成多個學生模型。在再生網絡訓練過程中,由于低觀測率下模型分類性能較弱,以樣本實例觀測率為依據對交叉熵損失函數進行加權,從而優化學生模型。通過采用加權融合策略,將多個學生模型的預測結果進行融合作為最終的預測分類結果,具有預測準率高等優點。
聲明:
“基于人體骨骼序列的動作預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)