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信息工程学院;杭州电子科技大学申请的专利基于时空自适应特征融合图卷积网络的骨架动作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：CN116665300B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310609183.6，技术领域涉及：G06V40/20；该发明授权基于时空自适应特征融合图卷积网络的骨架动作识别方法是由张海平;张昕昊;周福兴;管力明;施月玲设计研发完成，并于2023-05-29向国家知识产权局提交的专利申请。

本基于时空自适应特征融合图卷积网络的骨架动作识别方法在说明书摘要公布了：本发明公开了一种基于时空自适应特征融合图卷积网络的骨架动作识别方法，包括如下步骤：S1、获取人体的骨架动作序列的原始数据集并进行数据预处理和数据增强；S2、对预处理和数据增强后得到的骨架数据进行处理，得到骨架数据的二阶骨骼信息；S3、将关节运动流态和骨骼运动流态整合形成肢体流；S4、构建时空自适应特征融合图卷积网络；S5、分别将关节流态、骨骼流态和肢体流数据输入到时空自适应特征融合图卷积网络中进行训练，获取对应的初始预测结果和softmax分数，最终通过权重相加的方式融合输出最后的预测结果。该方法可更充分地提取不同尺度上下文信息，结合数量更多、特征更明显的关节数据以实现人体行为预测，有助于提高人体行为的预测精确度。

本发明授权基于时空自适应特征融合图卷积网络的骨架动作识别方法在权利要求书中公布了：1.一种基于时空自适应特征融合图卷积网络的骨架动作识别方法，其特征在于，包括如下步骤： S1、获取人体的骨架动作序列的原始数据集并进行数据预处理和数据增强； S2、对预处理和数据增强后得到的骨架数据进行处理，得到骨架数据的二阶骨骼信息，其中，X表示关节流态Xjoint，为一阶骨骼信息，C、T、N分别是关节的特征维度、序列帧数和关节数，所述二阶骨骼信息包括骨骼流态、关节运动流态和骨骼运动流态； S3、将关节运动流态和骨骼运动流态在通道维度上通过聚合的方式整合形成肢体流； S4、构建时空自适应特征融合图卷积网络，所述时空自适应特征融合图卷积网络模型包括依次连接的时空自适应特征融合模块、全局平均池化层、全连接层和softmax分类器； 所述时空自适应特征融合模块包括输出通道依次为64、64、64、64、128、128、128、256、256、256的十层特征提取模块； 各层所述特征提取模块包括1×1的卷积层、空间注意力图卷积模块、BN+ReLU层和时间自适应特征融合模块，同时将骨架数据输入到一个1×1的卷积层与空间注意力图卷积模块，并将两则的输出相乘输入到BN+ReLU层，将骨架数据以残差连接与BN+ReLU层的输出相加并输入到时间自适应特征融合模块； 所述时间自适应特征融合模块包含四个分支、注意力特征融合模块M和注意力特征融合模块1-M，每个所述分支包含一个1×1的卷积层以降低通道维度，前三个分支包含两个卷积核大小为ks×1的动态时间卷积、空洞率分别为1和dr的动态空洞卷积以及一个最大池化层， 四个分支的输出通过Concat函数进行聚合，得到多尺度时间特征X1，将初始的骨架数据以残差形式输入注意力特征融合模块M中，所述注意力特征融合模块M的输出与初始骨架特征X相乘得到初始注意力融合特征，所述多尺度时间特征X1输入注意力特征融合模块1-M中，所述注意力特征融合模块1-M的输出与X1相乘得到时间注意力融合特征，将初始注意力融合特征和时间注意力融合特征进行相加输出特征X′，公式表示为： 其中M·表示为： 其中，g·和l·分别代表全局上下文和局部上下文； S5、分别将关节流态Xjoint、骨骼流态和肢体流数据输入到时空自适应特征融合图卷积网络中进行训练，获取对应的初始预测结果和softmax分数，最终通过权重相加的方式融合输出最后的预测结果。

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信息工程学院;杭州电子科技大学，其通讯地址为：310000 浙江省杭州市青山湖科技城杭电路1号；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”。