基于骨架的行为识别模型产品系统

面向智能监控与移动机器人对人类行为的实时感知与监测任务。

鉴于现有网络模型普遍存在较高的计算复杂度与参数量，本文提出一种基于图卷积网络（GCN）的骨架动作识别方法。

在PyTorch框架下构建了轻量化的时空图卷积模型，并引入知识蒸馏策略对网络进行高效训练。

在NTU RGB+D数据集上，该模型在保持较低参数量的同时实现了较高的识别精度，验证了其在资源受限场景下的有效性与优越性。