基于骨骼分解与序列补全的时序受损细粒度动作识别方法

本发明公开了一种基于骨骼分解与序列补全的时序受损细粒度动作识别方法，通过上下文学习模块，利用先验骨骼数据库中的提示对与待修复序列的查询对，恢复时序受损骨骼序列中的缺失帧，生成基本完整的骨骼序列；根据人体结构将关节点划分为多个语义区域，并依据各区域运动强度区分为动态与静态区域，分别施加强、弱不同的时空扰动和重组，构建出增强后的动态序列与静态序列；基于拉格朗日动力学原理，通过MLP建模并融合得到加速度序列；最后将交叉融合特征通过图卷积网络完成动作分类。本发明有效提升了模型在时序不完整条件下的鲁棒性，增强了对细微动作差异的判别力，在公开数据集上取得了优于现有方法的识别准确率。