计算机应用

作者：韦廷浒, 刘皓琰, 吴建宁

单位：1.福建师范大学 计算机与网络空间安全学院，福州 350117；2.福建师范大学校医院，福州 350007

关键词：图卷积网络,下肢不等长,步态分类,长短时记忆网络,Azure Kinect

基金：国家自然科学基金资助项目(82072043);福建省自然科学基金资助项目(2024J01069)

针对现有的检测非临床环境下肢不等长（LLD）动态变化方法不能充分挖掘LLD步态时空特征的问题，提出一种基于图时空学习模型的LLD动态变化检测方法。该方法将检测LLD动态变化视为步态图模式分类问题，并构建空间图卷积和长短时记忆（LSTM）网络相融合的时空步态图分类模型，从而充分利用优异的时空图拓扑学习性能挖掘隐藏于LLD步态模式的显著差异性特征，进而有效提升步态分类模型的泛化性，并准确检测LLD动态变化。使用Azure Kinect采集26名健康受试者模拟不同程度LLD的骨架数据，从而构建LLD步态模式以评价所提方法的有效性。实验结果表明，所提方法可有效挖掘隐藏于LLD步态图模式的显著差异性特征，分类准确率达到99.62%，它的分类泛化性能相较于卷积神经网络（CNN）结合LSTM的模型提升了5.83个百分点，为准确检测户外LLD动态变化提供了一个新的技术解决方案。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期