人工智能與大數據學院吳志澤團隊在基于骨架數據的人體動作識別研究中取得重要進展，提出了一種結合圖卷積網絡（GCN）與自注意力機制（Self-Attention）的新方法。相關研究成果以“SelfGCN: Graph Convolution Network With Self-Attention for Skeleton-Based Action Recognition”為題，發(fā)表在國際頂級學術期刊《IEEE Transactions on Image Processing》上（DOI: 10.1109/TIP.2024.3433581）。吳志澤教授為論文第一作者，我校全職德籍教授湯衛(wèi)思（Thomas Weise）為論文通訊作者，合肥大學人工智能與大數據學院為論文第一完成單位。

SelfGCN網絡模型架構圖

人體動作識別是計算機視覺領域的重要研究方向，在視頻分析、手勢識別、智能監(jiān)控和人機交互等應用中具有廣泛價值。相比基于視頻或圖像的方法，骨架數據能夠通過人體關鍵關節(jié)的二維或三維坐標來表達人體結構，具有一定的環(huán)境適應性和計算效率。然而，如何充分利用骨架數據，準確建模不同關節(jié)之間的復雜時空關系，以提升識別精度，仍然是一個值得研究的挑戰(zhàn)。

為此，研究團隊提出了SelfGCN模型，該方法基于圖卷積網絡構建人體骨架的拓撲結構，并引入自注意力機制，以自適應地調整關節(jié)節(jié)點的重要性權重，從而更精準地捕捉動作特征。這一研究工作為基于圖結構數據的人體動作識別提供了新的思路，有助于進一步理解和優(yōu)化人體運動特征的建模方法。

（人工智能與大數據學院 科研處 黨委宣傳部）