摘要:图卷积网络因其对非欧几里得数据结构的优良建模而被广泛应用于基于骨骼的动作识别. 由于图卷积具有局部聚合的特性, 它的关注点聚焦在邻域关节和短时窗口. 然而, 多数人体动作更依赖于关节全局协同作用. 目前, 基于图卷积的方法通常忽略了空间连接拓扑和高阶群体关系. 为减轻这种限制, 提出了一种集成高阶空间建模与多尺度时序建模的新型框架, 称为时空超图Transformer网络. 本文提出通过骨骼超图构建高阶空间结构, 并结合骨骼距离偏差来动态建模骨骼关节整体的相对位移和远距离骨骼特征. 同时, 为了增强骨骼边和关节之间的互补性, 利用图卷积和动态自注意机制对多帧骨骼序列中的边特征和关节特征进行联合建模. 此外, 引入多尺度时间卷积模块, 提取不同时间窗口下的骨骼时序特征. 本文在NTU-RGB+D、NTU-RGB+D 120和Northwestern-UCLA这3个具有挑战性的基准数据集上进行了广泛实验, 实验结果表明, 本文提出的ST-HGT方法在3个基准上都达到或超过了最先进方法的精度.