浅谈对Two-Stream 3D Convolutional Neural Network for Human Skeleton-Based Action Recognition，基于人体骨架的动作识

这一篇就是讲3DCNN的，作者提出3DCNN是一种从空间和时间维度学习特征的强大工具，但是在基于骨架的动作识别中的应用还是第一次，所以作者提出3DCNN在双流基于骨骼的动作识别方向上的应用。作者通过将骨骼关节分别编码为空间体积和时间体积通过编码空间和时间信息来协助3DCNN模型的识别特征提取。第一个流CNN卷积输入为空间骨骼坐标图即以多时序的骨骼关节图的和作为第一流输入，第二流输入为时间骨骼图，以多时序的相应关节点偏移坐标点的像素值的和作为关节时间位移权重的输入。两个流的卷积处理过程相同，经过softmax分类得到特征向量，以两流特征向量的和作为最后判断动作分类的依据。同样3DCNN骨架识别也融合了各个和关节的高语义信息。相比于基于RGB的CNN卷积的动作识别取得了更高的准确率。