摘要

当前最先进的基于骨架的动作识别方法大多基于递归神经网络（RNN）。在本文中，我们提出了一种新颖的基于卷积神经网络（CNN）的框架，用于动作分类和检测。原始骨架坐标以及骨架运动直接输入到CNN中进行标签预测。设计了一种新型的骨架变换模块，可以自动重新排列并选择重要的骨架关节。通过一个简单的7层网络，我们在NTU RGB+D数据集的验证集上获得了89.3%的准确率。对于未剪辑视频中的动作检测，我们开发了一个窗口提议网络来提取时间片段提议，这些提议在同一网络中进一步进行分类。在最近的PKU-MMD数据集上，我们达到了93.7%的平均精度均值（mAP），大幅超过了基线水平。