Para resolver o problema de que as redes de fluxo duplo tradicionais não conseguem capturar as relações temporais em sequências de vídeo, levando a um desempenho insatisfatório no reconhecimento de ações com alta dependência temporal, propõe-se um algoritmo de reconhecimento de ações humanas baseado em uma rede espácio-temporal de fluxo duplo aprimorada. Primeiramente, utilizando a ideia de deslocamento temporal, a rede neural convolucional modela as relações temporais no vídeo, capturando eficientemente as informações espaço-temporais; simultaneamente, utiliza-se um mecanismo de atenção para melhorar o problema da redução da capacidade de aprendizagem das características espaciais causada pelo movimento das informações dos canais ao longo do eixo temporal; com base nisso, construiu-se uma estrutura de rede de fluxo duplo que contém um fluxo de informação de aparência espaço-temporal e um fluxo de informação de movimento espaço-temporal; por fim, a rede de fluxo duplo é fundida por média ponderada para obter o resultado final do reconhecimento. Experimentos foram realizados nos conjuntos de dados UCF101 e HMDB51, com taxas de precisão de reconhecimento de 96,3% e 77,7%, respectivamente. Os resultados experimentais mostram que, em comparação com os métodos tradicionais de redes de fluxo duplo, a precisão do reconhecimento melhorou, validando que o algoritmo pode capturar eficazmente as relações temporais no vídeo, aprimorar a capacidade de expressão das características da rede e aumentar a capacidade de distinguir ações com alta dependência temporal e ações semelhantes.

visão computacional;reconhecimento de ações;rede de fluxo duplo;deslocamento temporal;mecanismo de atenção