买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉和熙(广州)信息科技有限公司申请的专利基于深度学习的人体运动姿态识别方法及智能穿戴设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119229520B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411078357.1，技术领域涉及：G06V40/20；该发明授权基于深度学习的人体运动姿态识别方法及智能穿戴设备是由黄娟;蔡荣杰;田野设计研发完成，并于2024-08-07向国家知识产权局提交的专利申请。

本基于深度学习的人体运动姿态识别方法及智能穿戴设备在说明书摘要公布了：本申请实施例提供了一种基于深度学习的人体运动姿态识别方法及智能穿戴设备，涉及图像识别技术领域；方法包括步骤S1：获得原始运动数据的图像并经过伽马校正处理；步骤S2：获得特征提取后的特征向量；步骤S3：进行非线性操作；步骤S4：进行三维最大池化操作获得下采样后的特征向量；步骤S5：重复上述三维最大池化操作若干次；步骤S6：从下采样后的特征向量中提取获得图形特征；步骤S7：进行三维TopK图池化操作获得下采样后的特征矩阵；步骤S8：重复上述三维TopK图池化操作若干次；步骤S9：将下采样后的特征矩阵映射到分类空间获得运动姿势的分类概率。本申请解决了人体姿态识别中计算量大、识别准确度低的技术问题。

本发明授权基于深度学习的人体运动姿态识别方法及智能穿戴设备在权利要求书中公布了：1.一种基于深度学习的人体运动姿态识别方法，其特征在于：包括如下步骤： 步骤S1：获得原始运动数据的图像，对原始运动数据的图像进行伽马校正获得经过伽马校正处理后的运动数据； 步骤S2：从经过伽马校正处理后的运动数据中提取特征获得特征提取后的特征向量；所述步骤S2中，从输入的三维的运动数据中提取时空特征，通过卷积操作提取运动数据中的局部时空特征； ； 式中：为特征提取后的特征向量；为经过伽马校正的运动数据；为卷积操作的权重；为偏置； 步骤S3：对特征提取后的特征向量进行非线性操作获得非线性操作后的特征向量； 步骤S4：对非线性操作后的特征向量进行三维最大池化操作获得下采样后的特征向量； 步骤S5：重复上述三维最大池化操作若干次，对应获得三维最大池化操作输出的下采样后的特征向量； 步骤S6：基于图神经网络节点的拓扑关系，从下采样后的特征向量中提取获得图形特征； 步骤S7：对图形特征进行三维TopK图池化操作获得下采样后的特征矩阵； 步骤S8：重复上述三维TopK图池化操作若干次，对应获得三维TopK图池化操作后输出的下采样后的特征矩阵； 步骤S9：将步骤S8下采样后的特征矩阵映射到分类空间获得运动姿势的分类概率； 所述方法采用的神经网络模型结构包括依次连接的伽马校正模块、三维卷积层特征提取模块、激活函数ReLU、三维最大池化层、三维图卷积层、三维TopK图池化层和全连接层；其中， 将获得的原始运动数据的图像输入至伽马校正模块，伽马校正模块输出经过伽马校正处理后的运动数据至三维卷积层特征提取模块，三维卷积层特征提取模块输出特征提取后的特征向量至激活函数ReLU，激活函数ReLU输出非线性操作后的特征向量至三维最大池化层，三维最大池化层输出下采样后的特征向量至三维图卷积层，图神经网络节点的拓扑关系输入至三维图卷积层，三维图卷积层输出图形特征至三维TopK图池化层，三维TopK图池化层输出下采样后的特征矩阵至全连接层，全连接层输出运动姿势的分类概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人和熙(广州)信息科技有限公司，其通讯地址为：510650 广东省广州市天河区元岗路310号之一101室(仅限办公)；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。