온라인 연속 동작 인식은 실생활 적용에 유용하기 때문에 활발히 연구되는 주제입니다. 최근 3D 시계열 데이터를 활용하는 골격 기반 접근 방식이 인기를 얻고 있습니다. 그러나 대부분의 연구는 세그먼트 기반 인식을 중심으로 이루어져 온라인 시나리오에 적합하지 않습니다. 본 논문에서는 Semi-Positive Definite (SPD) 행렬 표현과 Siamese 네트워크를 활용하는 골격 시퀀스 스트리밍을 위한 온라인 인식 시스템을 제안합니다. 이 시스템은 탐지기와 분류기로 구성됩니다. SPD 행렬을 통한 골격 데이터의 강력한 통계적 표현과 Siamese 네트워크를 통한 의미론적 유사성 학습은 탐지기가 분할되지 않은 시퀀스에서 동작의 시간 간격을 예측할 수 있게 합니다. 또한, 각 예측된 간격에서 동작을 인식하는 분류기 능력을 보장합니다. 제안된 탐지기는 유연하며 운동 상태를 지속적으로 식별할 수 있습니다. 손 제스처 및 신체 동작 인식 벤치마크에 대한 광범위한 실험을 통해 제안된 온라인 인식 시스템의 정확성을 입증했으며, 대부분의 경우 최첨단 성능을 능가합니다.
