基于骨架的动作识别 Skeleton Based Action Recognition

最近在尝试做一个基于骨架的动作识别，目标是想识别出校园里的打架、霸凌行为，因为视频画面是采集的热成像，所以考虑用骨架信息做行为检测，同时也是考虑可以降低算力需求。

目前采集了一些数据集，直接 2 分类，基于 mmaction2 的 STGCN++ 预训练模型做迁移学习，但是效果不是很好，甚至训练时的验证集都上不去 90%。

现在有几个问题想问下大佬

1. 是不是打架的行为模式太复杂了，skeleton based 的模型没办法识别区分出来
2. 把复杂的打架行为拆分，比如踢腿、推搡、扇耳光，这样多分类，增加数据集是不是合理些
3. skeleton based 的模型输入是关节点数据，第一步识别到的关节点数据准确率对后续影响很大么？因为考虑到性能和并发，用的事 yolov8s-pose 的关节点预测模型，但是感觉准确率比较差，帧与帧之间波动太大了，有必要更换准确率更高的模型么

本人机器学习菜鸡，还处于是只会用不会写的阶段，请教站内大佬