结合图卷积网络和基于注意力机制的时间卷积网络的人体行为识别方法

本发明公开了结合图卷积网络和基于注意力机制的时间卷积网络的人体行为识别方法，包括：采集多种场景下各类人体行为的CSI信息；提取CSI振幅信息，对CSI振幅进行预处理，首先利用Hampel去除异常值，而后通过离散小波变换实现数据去噪，最后进行归一化；将预处理后的CSI振幅数据转为CSI特征图像，构建并划分数据集；将训练集作为GTA‑net模型的输入，该模型首先使用图卷积网络提取CSI特征图像间的空间特征，再利用融合注意力机制的时间卷积网络提取特征的时序关系，并进一步处理与分类。本发明解决了人体行为检测领域精度不足的问题，具有较高的识别准确率，适应多种场景，为人体行为识别提供了新的解决方案。