摘要

本文提出了一种基于人体骨骼关键点之间上下文关系学习的新方法，用于识别暴力行为。与以往研究不同，本方法首先从视频中提取的人体骨骼序列构建三维骨骼点云，随后在这些三维骨骼点云上进行交互关系学习。为此，本文提出一种新颖的骨骼点交互学习（Skeleton Points Interaction Learning, SPIL）模块，用于建模骨骼点之间的相互作用。具体而言，SPIL通过构建局部区域点之间的特定权重分布策略，能够根据点的特征及其时空位置信息，有选择性地聚焦于最具相关性的部分。为捕捉多样化的关联信息，设计了多头机制，通过独立的多个头分别提取不同特征，并将其聚合以协同处理点之间的多种关系类型。实验结果表明，所提出的模型在视频暴力行为数据集上优于现有网络，取得了新的最先进性能。