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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于通道-时间特征的行为识别方法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：CN114937225B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202210614670.7，技术领域涉及：G06V20/40；该发明授权一种基于通道-时间特征的行为识别方法是由薛梦凡;郑建楠;彭冬亮;宋怡然;江浩东设计研发完成，并于2022-05-30向国家知识产权局提交的专利申请。

本一种基于通道-时间特征的行为识别方法在说明书摘要公布了：本发明公开了一种基于通道‑时间特征的行为识别方法，该方法构建了一个多模块block用于替换ResNet‑50网络第2～第5层中的block。所述多模块block包括通道注意力模块、长期时序模块、短期时序模块。其中，通道注意力模块与SEblock结构相似，通过对特征通道间的相关性进行建模，强化重要的特征，使得网络就可以学习通过全局信息来有选择性的加强包含有用信息的特征并抑制无用特征；长期时序模块参考了STM模块，通过沿时间维度移动特征图来执行有效的时间建模，实现跨时域的信息交互；短期时序模块通过计算特征级的帧差信息，实现对局部运动信息的表征，增强对运动信息敏感特征。

本发明授权一种基于通道-时间特征的行为识别方法在权利要求书中公布了：1.一种基于通道-时间特征的行为识别方法，其特征在于：具体包括以下步骤： 步骤1、将包含待识别目标的视频文件划分为时长相等的T个视频段，然后从每个视频段中随机抽取一帧图像作为识别数据集； 步骤2、构建通道注意力模块用于选择性加强部分特征；所述通道注意力模块通过在SE注意力机制两个全连接层的中间插入一个1D卷积层，并使用两个2D卷积层替换分别替换两个全连接层得到； 步骤3、构建短期时序模块用于表征局部运动信息；所述短期时序模块对输入数据X∈RN ×T×C×H×W的处理步骤如下： s3.1、利用卷积核大小为1x1的2D卷积层对输入数据X的通道数进行压缩，得到 s3.2、分别计算t-1时刻、t+1时刻与t时刻特征的帧差信息，然后对帧差信息进行相加： X6＝K*X5[t+1]-X5[t]+K*X5[t]-X5[t-1]1 其中，为特征级的帧差，表征局部运动信息；K表示大小为3×3的2D卷积核，X5[t-1]、X5[t]、X5[t+1]分别表示t-1时刻、t时刻、t+1时刻的特征； s3.3、针对步骤s3.2得到的帧差信息X6，利用池化层获取全局空间信息X7∈RN×T×C×1×1，在依次通过卷积核大小为1x1的2D卷积层和Sigmoid激活层得到X8∈RN×T×C×1×1； s3.4、最后对不同层次的特征进行拼接，得到短期时序模块输出XO2∈RN×T×C×H×W，即局部运动信息表征结果： XO2＝X+X⊙X82 步骤4、构建长期时序模块用于时移处理；所述长期时序模块将输入数据按照通道顺序等比例划分为8份，然后将第一份和第三份数据在时序维度上后移，第二份数据在时序维度上前移，其他数据不做处理； 步骤5、基于步骤2～4得到的通道注意力模块、短期时序模块、长期时序模块构建多模块block；所述多模块block将数据分别输入通道注意力模块和长期时序模块；通道注意力模块的输出经过短期时序模块后再与通道注意力模块的输出相加，然后再通过两个卷积模块后，与长期时序模块的输出相加，计算结果作为多模块block的输出； 步骤6、构建ResNet-50神经网络，使用步骤5得到的多模块block替代ResNet-50第2～第5层中的block，得到多模块行为识别模型；使用标签已知的数据对该模型进行训练，然后将步骤1得到的识别数据集输入训练后的模型中，得到视频图像中目标的动作分类，完成行为识别。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。