计算机应用

作者：况世雄, 姚俊波, 陆佳炜, 王琪冰, 肖刚

单位：中国计量大学 机电工程学院，杭州 310018

关键词：图卷积网络,数据增强,行为识别,姿势估计,电梯乘客

基金：浙江省“尖兵”研发攻关计划项目(2023C01022);浙江省“领雁”研发攻关计划项目(2023C01215);湖州市重点研发科技计划项目(2022ZD2019)

目前，因缺乏足够多样化的异常行为数据，电梯乘客异常行为的识别方法存在准确率不高和泛化性能较差的问题。为解决这个问题，提出一种基于动态图卷积网络的行为数据增强方法（DGCN-BA）。首先，构建一种动态图卷积网络，用于捕捉电梯乘客行为中不同人体关节之间的空间关系和运动关联性；其次，利用这些特征进行姿势增强，获取更丰富和合理的姿势序列；最后，利用姿势序列在虚拟电梯场景中构建人物动作，生成大量电梯乘客异常行为视频数据。在公开数据集Human3.6M、3DHP和MuPoTS-3D，以及自建数据集上验证DGCN-BA的有效性。实验结果表明，相较于JMDA（Joint Mixing Data Augmentation）、DDPMs（Denoising Diffusion Probabilistic Models）数据增强方法，DGCN-BA在Human3.6M数据集上的平均每个关节位置误差（MPJPE）分别降低了2.9 mm和1.5 mm。可见，DGCN-BA能够更有效完成姿势估计任务，生成合理多样的异常行为数据，从而明显改善基于视频的电梯乘客异常行为识别效果。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期