摘要

基于RNN的方法在使用骨骼数据进行动作识别任务中已取得卓越性能。目前，这类方法通常仅将关节坐标作为输入，并主要通过以多种方式扩展RNN模型至空间域来提升准确率。尽管现有模型能够直接从关节坐标中挖掘不同身体部位之间的关系，本文提出了一种与RNN模型增强路径正交的、简洁通用的空间建模方法。具体而言，我们选取了一组基于前期研究演进而来的简单几何特征。在三层LSTM框架上的实验表明，基于关节与选定直线之间距离的几何关系特征优于其他特征，并在四个数据集上取得了当前最优的识别效果。此外，我们观察到使用几何特征训练的第一层LSTM中输入门权重具有显著稀疏性，进一步证明：将关节到直线的距离作为输入，能够以更少的数据量实现有效训练。