買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請(qǐng)的專利基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法和裝置獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120451881B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-16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)的專利申請(qǐng)?zhí)?專利號(hào)為：202510957884.8，技術(shù)領(lǐng)域涉及：G06V20/40；該發(fā)明授權(quán)基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法和裝置是由李平;何凌風(fēng);田紹啟設(shè)計(jì)研發(fā)完成，并于2025-07-11向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法和裝置在說明書摘要公布了：本發(fā)明涉及基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法和裝置。首先生成視頻片段集合，通過動(dòng)作前景語義增強(qiáng)模塊融合背景，獲得動(dòng)作前景語義增強(qiáng)的視頻片段集合；再利用二維卷積與三維卷積神經(jīng)網(wǎng)絡(luò)獲取目標(biāo)邊界框序列集合，并提取目標(biāo)級(jí)時(shí)空特征集合；之后，通過掩碼遮擋特征重構(gòu)模塊，對(duì)目標(biāo)級(jí)時(shí)空特征集合進(jìn)行掩碼重構(gòu)，輸出目標(biāo)級(jí)重構(gòu)特征集合；最后，通過雙流標(biāo)記匹配模塊，對(duì)預(yù)測(cè)結(jié)果進(jìn)行動(dòng)作類別標(biāo)記分配，輸出預(yù)測(cè)的動(dòng)作類別概率集合。本發(fā)明不僅在目標(biāo)遮擋場(chǎng)景下對(duì)視頻動(dòng)作檢測(cè)具有魯棒性，還可在僅依賴粗粒度視頻級(jí)標(biāo)記的情況下完成模型訓(xùn)練，降低了數(shù)據(jù)標(biāo)注的時(shí)間開銷，提升了時(shí)空動(dòng)作檢測(cè)的精度。

本發(fā)明授權(quán)基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法和裝置在權(quán)利要求書中公布了：1.基于重構(gòu)雙流標(biāo)記匹配的弱監(jiān)督時(shí)空動(dòng)作檢測(cè)方法，其特征在于，包括以下步驟： 步驟（1）根據(jù)原始視頻獲得視頻片段集合，利用二維卷積和三維卷積神經(jīng)網(wǎng)絡(luò)提取特征后，輸出目標(biāo)邊界框序列集合和目標(biāo)級(jí)時(shí)空特征張量； 步驟（2）構(gòu)建由多掩碼遮擋子模塊和特征重構(gòu)子模塊組成的掩碼遮擋特征重構(gòu)模塊，輸入為目標(biāo)級(jí)時(shí)空特征張量，輸出為目標(biāo)級(jí)重構(gòu)特征集合； 步驟（3）構(gòu)建由目標(biāo)特征時(shí)空處理子模塊、目標(biāo)級(jí)預(yù)測(cè)分支和包級(jí)預(yù)測(cè)分支組成的雙流標(biāo)記匹配模塊，輸入為目標(biāo)級(jí)重構(gòu)特征集合，輸出為目標(biāo)動(dòng)作類別概率集合；步驟（3）具體包括： （3-1）將目標(biāo)級(jí)重構(gòu)特征集合輸入所述目標(biāo)特征時(shí)空處理子模塊，采用空間最大池化以及時(shí)序平均操作，得到目標(biāo)級(jí)動(dòng)作特征集合； （3-2）將目標(biāo)級(jí)動(dòng)作特征集合輸入所述目標(biāo)級(jí)預(yù)測(cè)分支，使用由多層感知機(jī)組成的分類器轉(zhuǎn)化為目標(biāo)動(dòng)作類別概率集合； （3-3）在所述包級(jí)預(yù)測(cè)分支中，隨機(jī)初始化可學(xué)習(xí)的聚合特征查詢向量作為交叉注意力的查詢，將目標(biāo)級(jí)動(dòng)作特征集合作為交叉注意力的鍵和值，通過交叉注意力機(jī)制生成包級(jí)特征向量，并將其輸入由多層感知機(jī)組成的分類器中進(jìn)行動(dòng)作分類，得到包級(jí)動(dòng)作預(yù)測(cè)向量； 步驟（4）根據(jù)目標(biāo)級(jí)重構(gòu)特征計(jì)算特征重構(gòu)損失，根據(jù)目標(biāo)動(dòng)作類別概率和包級(jí)動(dòng)作預(yù)測(cè)計(jì)算動(dòng)作分類損失，對(duì)由掩碼遮擋特征重構(gòu)模塊和雙流標(biāo)記匹配模塊組成的時(shí)空動(dòng)作檢測(cè)模型進(jìn)行訓(xùn)練，直至模型收斂； 步驟（5）對(duì)新視頻序列將其輸入至訓(xùn)練完成的模型中，得到預(yù)測(cè)的目標(biāo)邊界框序列集合和動(dòng)作類別概率集合，據(jù)此獲得動(dòng)作開始時(shí)間、結(jié)束時(shí)間、動(dòng)作類別和目標(biāo)邊界框。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號(hào)大街1158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0551-65771310或微信搜索“龍圖騰網(wǎng)”。