基于时空图神经网络的儿童动作识别：数据高效方法的系统性分析与应用

针对儿童动作识别(CAR)领域缺乏公开数据集和成人模型迁移效果差的问题，研究人员首次采用时空图神经网络(ST-GNN)架构，结合迁移学习(TFL)方法，在实验室、野外和部署场景中实现94.81%的识别准确率，比成人数据集训练模型提升4.21%，为儿童发育评估和自闭症早期筛查提供新范式。

　　

在计算机视觉与人类行为分析领域，儿童动作识别(CAR)长期面临两大困境：一方面，由于伦理限制导致公开儿童动作数据集稀缺；另一方面，基于成人数据训练的主流动作识别模型（如Kinetics-400、NTU RGB+D 120）难以适应儿童特殊的运动模式——这与儿童处于粗大/精细运动发育阶段(Aloba et al., 2019)以及骨骼尺寸差异(Sciortino et al., 2017)密切相关。这种"数据荒"与"模型偏置"的双重挑战，严重制约了CAR在自闭症早期诊断(Zhang et al., 2021b)、游戏交互设计(Dong et al., 2020)等关键场景的应用。

针对这一瓶颈，斯里兰卡信息技术研究所的研究团队在《Computer Vision and Image Understanding》发表创新研究，首次将时空图神经网络(ST-GNN)引入CAR领域。该团队设计了一套数据高效的学习框架，通过ST-GCN(时空图卷积网络)特征提取和微调策略，在仅使用小规模儿童数据集的情况下，准确率较基线提升10%-40%，最高达94.81%，显著超越基于10倍量级成人数据训练的模型(90.6%)。更引人注目的是，该系统在实时流数据处理中实现11 FPS的吞吐量，为实际部署奠定基础。

关键技术方法包括：1) 构建多场景儿童骨架数据集(实验室/野外/部署环境)；2) 采用ST-GCN、MSG3D等多种ST-GNN架构进行对比实验；3) 系统评估源数据集质量/多样性对迁移学习(TFL)的影响；4) 开发基于MediaPipe的实时姿势估计流水线；5) 分析图表达力(graph expressivity)与重布线(rewiring)对小数据集模型的增益效应。

【结果与发现】
• 模型架构比较：ST-GNN模型较传统CNN/LSTM基线提升15%-45%，其中MSG3D表现最优，证实图结构对骨架模态的天然适配性。
• 迁移学习效应：源数据集类多样性比规模更关键，使用Kinetics-skeleton等多样化预训练模型可使准确率提升23.7%。
• 年龄相关性：模型性能与儿童年龄呈正相关(r=0.68)，印证运动技能发育差异对CAR的影响。
• 实时部署：在遮挡场景下，自适应图重布线策略使姿势估计模型的鲁棒性提升31.2%。
• 隐私优势：骨架数据存储需求仅为RGB的1/170，有效规避儿童影像的伦理风险。

这项研究的意义不仅在于技术突破——它首次实证了成人数据迁移至儿童领域的可行性，更开创性地揭示了发育生物学因素对AI模型性能的影响规律。研究者公开的代码库为后续研究提供基准，而关于图表达力与模型数据效率关系的发现，则为小样本学习开辟了新思路。未来工作可进一步探索多模态融合策略，或将ST-GNN框架扩展至更广泛的发育障碍评估场景。