買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種基于全MLP架構的高度緊湊型人體長時運動預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119251867B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411276030.5，技術領域涉及：G06V40/10；該發明授權一種基于全MLP架構的高度緊湊型人體長時運動預測方法是由劉盛;張少波;高飛;馮緣;陳勝勇;柯正昊;柯程遠設計研發完成，并于2024-09-12向國家知識產權局提交的專利申請。

本一種基于全MLP架構的高度緊湊型人體長時運動預測方法在說明書摘要公布了：本發明公開了一種基于全MLP架構的高度緊湊型人體長時運動預測方法，包括：獲取原始時序人體骨架數據并進行預處理，預處理為將原始時序人體骨架數據由時域變換為頻域后映射到高維空間，形成高維空間特征；建立全MLP架構模型，包括N個依次連接的動態時空特征感知模塊；將高維空間特征輸入全MLP架構模型，獲得第一提取特征；將第一提取特征依次經過層歸一化和第一線性層從高維空間恢復至三維空間；將恢復后的第一提取特征從頻域變換為時域，形成第二提取特征；將第二提取特征輸入多時段聯合預測模塊，獲得最終預測結果。通過輕量化設計大大減少模型的參數量，從而降低了計算復雜度與資源消耗，提高了預測的準確性和可靠性，通用性好。

本發明授權一種基于全MLP架構的高度緊湊型人體長時運動預測方法在權利要求書中公布了：1.一種基于全MLP架構的高度緊湊型人體長時運動預測方法，其特征在于：所述基于全MLP架構的高度緊湊型人體長時運動預測方法包括如下步驟： S1、獲取原始時序人體骨架數據并進行預處理，所述預處理為將原始時序人體骨架數據由時域變換為頻域后映射到高維空間，形成高維空間特征； S2、建立全MLP架構模型，所述全MLP架構模型包括N個依次連接的動態時空特征感知模塊，所述動態時空特征感知模塊執行如下操作： S21、采用空間多層感知機和時間多層感知機分別對輸入特征進行特征提取，對應獲得空間特征和時序特征，所述空間多層感知機為作用于空間維度的多層感知機，所述時間多層感知機為作用于時間維度的多層感知機； S22、將空間特征和時序特征分別與輸入特征進行相加操作，對應獲得空間融合特征和時序融合特征； S23、利用動態聚合機制將空間融合特征和時序融合特征聚合為時空特征，所述動態聚合機制，由如下公式表示： ， ， 式中，表示第i個動態時空特征感知模塊的空間融合特征，表示第i個動態時空特征感知模塊的時序融合特征，i=1~N，Concat表示通道維度的拼接，表示第i個動態時空特征感知模塊中第六線性層的權重，表示第i個動態時空特征感知模塊中第六線性層的偏置，表示sigmoid激活函數，表示第i個動態時空特征感知模塊學習到的時空特征動態系數，表示第i個動態時空特征感知模塊學習到的空間動態系數，表示第i個動態時空特征感知模塊學習到的時間動態系數，表示第i個動態時空特征感知模塊中動態聚合機制的輸出特征； S24、采用通道多層感知機對時空特征進行增強獲得通道增強特征，所述通道多層感知機為作用于通道維度的多層感知機； S25、將通道增強特征與時空特征進行相加操作，獲得輸出特征； S3、將高維空間特征輸入全MLP架構模型，獲得第一提取特征，所述第一提取特征即為最后一個動態時空特征感知模塊的輸出特征； S4、將第一提取特征依次經過層歸一化和第一線性層從高維空間恢復至三維空間； S5、將恢復后的第一提取特征從頻域變換為時域，形成第二提取特征； S6、將第二提取特征輸入多時段聯合預測模塊，獲得最終預測結果，所述多時段聯合預測模塊包括并行的多個具有不同時段的第二線性層，即包括并行的四個第二線性層，分別對應短時、長時、超長時、極長時四個不同時段，并執行如下操作： 將不同時段的第二線性層分別與原始時序人體骨架數據中的最后一幀人體骨架數據進行相加操作后，在時間方向依次拼接形成最終預測結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市下城區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。