研究主线研究稿
DB-HPN: A Dual-Branch Heterogeneous Parallel Network with Skeleton Filtering and Temporal Normalization for Human Action Recognition
两阶段骨架滤波、时序长度归一化与异构双分支建模，从骨架序列中鲁棒识别人体行为。
研究稿
曾投稿被拒，现更换创新点补实验中；未确认录用前不标注为发表。
研究问题
骨架序列中存在异常关节数据和长度不一的样本，如何在此之上鲁棒地识别行为类别，并形成可复用的验证流程。
方法与行动
两阶段骨架滤波清理异常骨架数据，时序长度归一化对齐不同长度样本，再以异构双分支网络建模关节时空关系；工程侧配合卡尔曼滤波与数据增强。
公开结果
形成研究稿 DB-HPN 并沉淀出采集—验证的完整流程；同源方法获授权发明专利（第一发明人）。曾投稿、审稿约五个月后被拒，现更换创新点补实验中。
下一步
完成新创新点的实验闭环后重新投稿，并把骨架表征迁移到更长的视频序列。
公开边界
被拒返工阶段，未确认录用前不标注为发表；不公开审稿材料。