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！

龙图腾网获悉苏州体素信息科技有限公司申请的专利基于深度学习的婴儿行为特征分类方法和系统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：CN115170870B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202210711384.2，技术领域涉及：G06V10/764；该发明授权基于深度学习的婴儿行为特征分类方法和系统是由陈勇维;于广军;田园;章春草;王莎莎;王子龙;丁晓伟设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本基于深度学习的婴儿行为特征分类方法和系统在说明书摘要公布了：本发明提供了一种基于深度学习的婴儿行为特征分类方法和系统，包括：步骤1：制作婴儿视频数据集，并对数据集中的视频进行分类和时间片段标注；步骤2：制作婴儿关键点数据集；步骤3：对婴儿视频数据集的人体关键点进行预处理；步骤4：使用深度学习模型搭建婴儿行为分类模型，将婴儿视频数据集的人体关键点特征送入到婴儿行为分类模型，计算模型输出分类概率、输出时间片段与标签间的总损失，使用总损失进行反向传播来更新模型参数，待模型参数收敛后完成训练；步骤5：根据分类分支的分类概率判断该视频是否存在不安运动，得到视频存在不安运动的时间片段。本发明可检测婴儿是否缺乏不安运动，减轻医生需要长时间观看婴儿运动视频的负担。

本发明授权基于深度学习的婴儿行为特征分类方法和系统在权利要求书中公布了：1.一种基于深度学习的婴儿行为特征分类方法，其特征在于，包括： 步骤1：使用RGB摄像机拍摄婴儿的运动视频，制作婴儿视频数据集，并对数据集中的视频进行分类和时间片段标注； 步骤2：制作婴儿关键点数据集，在婴儿数据上微调婴儿关键点检测模型，并用该模型对婴儿视频数据集的每帧图像预测人体关键点； 步骤3：对婴儿视频数据集的人体关键点进行预处理，计算人体关键点的特征，然后对标注的时间片段进行归一化处理； 步骤4：使用深度学习模型搭建婴儿行为分类模型，将婴儿视频数据集的人体关键点特征送入到婴儿行为分类模型，计算模型输出分类概率、输出时间片段与标签间的总损失，其中总损失包括分类损失和定位损失，使用总损失进行反向传播来更新模型参数，待模型参数收敛后完成训练； 步骤5：将待预测的婴儿视频经过婴儿关键点检测模型，最后由婴儿行为分类模型输出分类概率和时间片段，根据分类分支的分类概率判断该视频是否存在不安运动，对于被模型判断为存在不安运动的视频，根据定位分支的输出，得到视频存在不安运动的时间片段； 所述步骤2包括： 步骤2.1：收集婴儿图像，包括从互联网收集公开的婴儿视频和图像，以及用摄像机采集婴儿视频，从视频中随机抽样出图像帧； 步骤2.2：对婴儿图像标注人体关键点坐标，将所有婴儿图像及其关键点的标注信息构成婴儿关键点数据集； 步骤2.3：使用LightweightOpenPose人体关键点检测模型，把在成人数据上预训练的模型在婴儿关键点数据集上微调，得到婴儿关键点检测模型； 步骤2.4：使用婴儿关键点检测模型对婴儿视频数据集的每帧图像的人体关键点进行预测； 所述步骤4包括： 步骤4.1：搭建婴儿行为分类模型，模型骨干网络使用MS-G3D，后接两个全连接层分支，一个全连接分支输出分类的概率，另一个分支输出20个值，分别为10个时间片段的开始和结束的时间； 步骤4.2：将人体关键点特征输入到婴儿行为分类模型； 步骤4.3：计算模型的分类损失，根据分类概率判断输入样本的分类类别，若分类概率大于等于设定阈值，则该输入样本被模型判断为缺乏不安运动，而预测概率小于设定阈值，则该输入样本被模型被判断为存在不安运动； 步骤4.4：计算模型的定位损失，对于被判断为存在不安运动的视频，计算模型输出的10个时间片段和归一化标注时间片段的重叠度IOU，定位损失为1-IOU，对于被判断为缺乏不安运动的视频，定位损失为0。

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苏州体素信息科技有限公司，其通讯地址为：215600 江苏省苏州市保税区华达路36号新兴产业育成中心A栋217室；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”。