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！

龙图腾网获悉北方民族大学申请的专利基于改进的YOLOv5的学生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：CN115830392B 。

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：202211644613.X，技术领域涉及：G06V10/764；该发明授权基于改进的YOLOv5的学生行为识别方法是由保文星;景永骏;陈旭;渠修栋;李川鸣设计研发完成，并于2022-12-20向国家知识产权局提交的专利申请。

本基于改进的YOLOv5的学生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改进的YOLOv5的学生行为识别方法，该算法针对轻量化的小规模学生课堂行为识别问题，提出通过Ghost瓶颈结构保证原有特征提取的同时大幅度减少了计算量。其中，Ghost瓶颈结构使用Ghost模块，并引入类似MobileNetv2的瓶颈结构构建了全新的基础模块，能让信息在不同维度之间转换时避免压缩带来的信息损失。为提升特征提取能力，在输出层加入了空间‑通道注意力融合机制，其中空间注意力模块根据语义重要性融合不同尺度的特征，通道注意力模块利用可变形卷积学习稀疏特征并在相同的空间位置做融合，并在最后进行融合输出。本发明在学生行为识别数据集Stu‑OA上进行实验，取得了83.2％的识别率，能够有效识别听课，玩手机，看书，写字，站立，睡觉，举手7种学生行为，验证了本方法的可行性及有效性。

本发明授权基于改进的YOLOv5的学生行为识别方法在权利要求书中公布了：1.基于改进的YOLOv5的学生行为识别方法，其特征在于，包括以下步骤： S1、通过教室监控进行图像数据采集，按照定义的学生行为类别构建学生行为检测数据集Stu-OA； S2、将制作好的数据集输入到改进的网络输入模块，该模块主要对数据进行了一系列的操作； S3、对于经输入端处理过的数据进一步输入到主干网络，考虑到模型的轻量化，主干网络采用Ghost模块，完成对数据的特征提取； S4、特征融合网络部分先将提取的特征图在特征金字塔自上而下传递语义信息，然后在路径聚合网络自下而上传递定位信息，实现了不同层的特征融合； S5、对于经特征融合网络获取的特征图进一步处理，为了提升特征提取能力和学生行为识别能力，将原有的卷积层替换成了空间-通道注意力模块，经该模块输出后分别得到不同尺度的特征图； 在步骤S5中，对于输出端，引入了空间-通道注意力融合模块，替换原有的卷积模块，空间注意力模块根据语义重要性融合不同尺度的特征，通道注意力模块利用可变形卷积学习稀疏特征并在相同的空间位置做融合，最后将两个注意力模块的输出进行融合； 输入，主干网络特征图FinRN×H×W，其中N是特征金字塔特征图不同尺度特征层的个数，H，W和C分别是特征图的宽度、高度以及通道数； 输出，进行注意力机制后的特征图FoutRN×H×W； Step1.将特征图输入到通道注意力模块，通道注意力模块作用在不同通道的特征图上，由于不同通道的特征图对应目标中不同尺度的目标，不同尺度特征的融合可以获得不同的语义信息，因此，不同通道的特征图所提取的特征也得到了增强，通道注意力模块的构建定义为DL； 其中的F为输入的特征图，S分别为某个通道特征图的面积，C为整个特征图的通道数，f·相当于一个1×1卷积，σx是一个hard-sigmod函数； Step2.接着输入到空间注意力模块，空间注意力模块学习空间维度中的语义信息，空间注意力模块首先使用可变形卷积使注意力学习稀疏特征，然后聚合相同空间位置的信息，空间注意力模块的构建定义为DS； 其中Fl是通道注意力模块输出的结果，L是通道注意力模块输出特征图的通道数，K是稀疏采样位置的数量，pk+Δpk是感兴趣区域的偏移量，Δmk是区域pk的学习因子，两者都是从中间层的输入特征中学习，Wl,k表示可变形卷积在第1层通道，k个稀疏采样位置的卷积核。

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北方民族大学，其通讯地址为：750000 宁夏回族自治区银川市西夏区文昌北街204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”。