買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉寧波大學(xué)申請(qǐng)的專(zhuān)利一種人體動(dòng)作識(shí)別方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116110124B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202211677196.9，技術(shù)領(lǐng)域涉及：G06V40/20；該發(fā)明授權(quán)一種人體動(dòng)作識(shí)別方法是由王曉東;馬遠(yuǎn)騁;高海玲;章聯(lián)軍設(shè)計(jì)研發(fā)完成，并于2022-12-26向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種人體動(dòng)作識(shí)別方法在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種人體動(dòng)作識(shí)別方法，包括如下步驟：步驟1、獲取包含人體動(dòng)作的多個(gè)視頻，并對(duì)每個(gè)視頻進(jìn)行稀疏采樣，得到多個(gè)稀疏采樣后的視頻幀序列；步驟2、將多個(gè)視頻幀序列組成數(shù)據(jù)集，并將數(shù)據(jù)集構(gòu)建成訓(xùn)練集和測(cè)試集；其中訓(xùn)練集中的每個(gè)訓(xùn)練樣本分別包括一個(gè)視頻幀序列和該視頻幀序列對(duì)應(yīng)的人體動(dòng)作標(biāo)簽；步驟3、構(gòu)建動(dòng)作識(shí)別模型，并使用訓(xùn)練集對(duì)構(gòu)建的動(dòng)作識(shí)別模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成后的動(dòng)作識(shí)別模型；步驟4、任意選擇測(cè)試集中的其中一個(gè)樣本，將其輸入到步驟3訓(xùn)練完成后的動(dòng)作識(shí)別模型中，即得到人體動(dòng)作識(shí)別結(jié)果。優(yōu)點(diǎn)在于：該方法不僅可以有效地提取重要信息，弱化不感興趣的區(qū)域，還可以減少參數(shù)量，提升模型的運(yùn)行速率。

本發(fā)明授權(quán)一種人體動(dòng)作識(shí)別方法在權(quán)利要求書(shū)中公布了：1.一種人體動(dòng)作識(shí)別方法，其特征在于包括如下步驟： 步驟1、獲取包含人體動(dòng)作的多個(gè)視頻，并對(duì)每個(gè)視頻進(jìn)行稀疏采樣，得到多個(gè)稀疏采樣后的視頻幀序列； 步驟2、將多個(gè)視頻幀序列組成數(shù)據(jù)集，并將數(shù)據(jù)集構(gòu)建成訓(xùn)練集和測(cè)試集；其中訓(xùn)練集中的每個(gè)訓(xùn)練樣本分別包括一個(gè)視頻幀序列和該視頻幀序列對(duì)應(yīng)的人體動(dòng)作標(biāo)簽； 步驟3、構(gòu)建動(dòng)作識(shí)別模型，并使用訓(xùn)練集對(duì)構(gòu)建的動(dòng)作識(shí)別模型進(jìn)行訓(xùn)練，得到訓(xùn)練完成后的動(dòng)作識(shí)別模型； 動(dòng)作識(shí)別模型具體結(jié)構(gòu)為： GRU時(shí)序處理模塊，包括3D卷積神經(jīng)網(wǎng)絡(luò)和與3D卷積神經(jīng)網(wǎng)絡(luò)相連接的k個(gè)雙向單層GRU單元，3D卷積神經(jīng)網(wǎng)絡(luò)的輸入端作為GRU時(shí)序處理模塊的輸入端，k個(gè)雙向單層GRU單元的輸出端作為GRU時(shí)序處理模塊的輸出端； 第1個(gè)空間注意力模塊，其輸入端與GRU時(shí)序處理模塊的輸出端相連接； 第1個(gè)殘差模塊，其輸入端與第1個(gè)空間注意力模塊的輸出端相連接； 第2個(gè)空間注意力模塊，其輸入端與第1個(gè)殘差模塊的輸出端相連接； 第2個(gè)殘差模塊，其輸入端與第2個(gè)空間注意力模塊的輸出端相連接； … 第N個(gè)空間注意力模塊，其輸入端與第N-1個(gè)殘差模塊的輸出端相連接；N為正整數(shù)； 第N個(gè)殘差模塊，其輸入端與第N個(gè)空間注意力模塊的輸出端相連接； 多級(jí)特征融合模塊，包括N-1個(gè)特征融合模塊，分別為第1特征融合模塊、第2特征融合模塊…第N-1特征融合模塊，第N個(gè)殘差模塊的輸出端與第1特征融合模塊的輸入端相連接，第N-1個(gè)殘差模塊的輸出端和第1特征融合模塊的輸出端相連接后一起與第2特征融合模塊的輸入端相連接；第N-2個(gè)殘差模塊的輸出端和第2特征融合模塊的輸出端相連接后一起與第3特征融合模塊的輸入端相連接…第1個(gè)殘差模塊的輸出端和第N-1特征融合模塊的輸出端相連接后一起作為多級(jí)特征融合模塊的輸出端； 分段通道注意力模塊，其輸入端與多級(jí)特征融合模塊相連接； 特征提取層，包括與分段通道注意力模塊的輸出端相連接的池化層和與池化層相連接的全連接層，所述全連接層則為所述動(dòng)作識(shí)別模型的輸出端； 上述的每個(gè)殘差模塊分別包括多個(gè)相同的殘差塊，每個(gè)殘差塊分別包括依次相連接的多個(gè)卷積層；每個(gè)特征融合模塊均包括上采樣操作和卷積操作，以用于使其輸出端的維度能與其對(duì)應(yīng)殘差模塊輸出的特征維度相同，進(jìn)而能進(jìn)行融合； 分段通道注意力模塊的具體處理步驟為： 將輸入到分段通道注意力模塊的特征圖所對(duì)應(yīng)的通道c分成M段，得到M段通道數(shù)均為cM的第一特征圖；對(duì)M段第一特征圖分別進(jìn)行通道注意力增強(qiáng)操作，得到M段第二特征圖；沿著通道維度將M段第二特征圖連接輸出，得到分段通道注意力模塊的輸出特征圖； 步驟4、任意選擇測(cè)試集中的其中一個(gè)樣本，將其輸入到步驟3訓(xùn)練完成后的動(dòng)作識(shí)別模型中，即得到人體動(dòng)作識(shí)別結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人寧波大學(xué)，其通訊地址為：315211 浙江省寧波市江北區(qū)風(fēng)華路818號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。