针对图卷积神经网络的双人交互行为识别方法存在交互语义信息表达不充分的问题，提出了一种新的双人交互时空图卷积神经网络（DHI?STGCN）用于行为识别的方法。该网络包含空间子网络模块和时间子网络模块。将基于交互动作视频获取的3D骨架数据生成一种双人交互动作的空间动作图用于空间信息的表示，图中根据关节点位置信息对双人之间的连接边赋予不同的权重。时间信息处理中，在构造的邻接矩阵中增加了上下文时间信息的联系，图中关节点与其一定时间范围内的节点增加连接。将生成的时空图数据送入空间图卷积网络模块，结合时间图卷积网络模块增强帧间运动特征连续性进行时序建模。该模型充分考虑了双人交互动作的紧密关系，具有较强的鲁棒性，获得了比现有模型更好的交互动作识别效果。
长久以来，布料的瑕疵检测工作一直由质检员完成，瑕疵判别过程受主观因素影响大,存在检测效率低、成本高等问题。随着计算机视觉技术的发展，基于视觉技术的布料瑕疵检测系统逐渐成为取代人工质检的重要解决方案。针对基于视觉技术的布料瑕疵检测，从行业发展情况、通用检测标准、系统整体结构、检测算法的关键技术等方面进行了综述，介绍了目前市面上已经存在的基于视觉技术的布料瑕疵检测产品，分析了目前常用的瑕疵检测标准与检测系统的基本结构，梳理并对比了近年来图像处理与深度学习技术在布料瑕疵检测领域的研究现状。最后，总结了各方面尚待解决的关键问题，并探讨了未来可能的发展方向。
