摘要

人体骨骼的动态特征为动作识别提供了重要信息。传统的骨骼建模方法通常依赖于手工设计的部件划分或遍历规则，因而表达能力有限，且难以实现良好的泛化性能。本文提出一种新型动态骨骼建模方法——时空图卷积网络（Spatial-Temporal Graph Convolutional Networks, ST-GCN），通过从数据中自动学习空间与时间模式，突破了以往方法的局限性。该方法不仅显著提升了模型的表达能力，还增强了泛化性能。在Kinetics和NTU-RGBD两个大规模数据集上，该方法均显著优于主流方法。