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！

龙图腾网获悉陕西师范大学申请的专利基于HRNet-双流transformer网络的人体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：CN116612533B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310602650.2，技术领域涉及：G06V40/20；该发明授权基于HRNet-双流transformer网络的人体动作识别方法是由裴炤;周彦辛;张艳宁设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本基于HRNet-双流transformer网络的人体动作识别方法在说明书摘要公布了：一种基于HRNet‑双流transformer网络的人体动作识别方法，由采集人体动作视频、构建HRNet‑双流transformer网络、训练HRNet‑双流transformer网络、识别人体动作类别步骤组成。本发明采用了HRNet‑双流transformer网络，借助HRNet‑双流transformer网络提取人体动作视频的特征，降低了现有人体动作识别技术中人体动作视频的环境对人体动作识别结果的影响，有效地提高人体动作识别的准确性。本发明具有对采集的人体动作视频质量要求低、识别视频中人体动作准确率高、应用场景广泛等优点，可在街道、教室、餐厅、会议室等场景识别人体动作。

本发明授权基于HRNet-双流transformer网络的人体动作识别方法在权利要求书中公布了：1.一种基于HRNet-双流transformer网络的人体动作识别方法，其特征在于由下述步骤组成： 1采集人体动作视频 用摄像机获取人体动作视频，截取人体动作视频片段，记录其代表动作作为动作标签cn，读取该视频片段的帧并排列成帧集合V： V＝{p1，p2，…，pt} 其中pt表示t时刻的帧，t∈{1，2，...，A×Z}，A表示视频片段的长度，A取值为1～10，Z表示帧采样频率，Z取值为1～50；将帧集合V和动作标签cn组成样本： Qu＝{Vu，cn} 其中n是动作标签的种类，n∈{1，2，...，10}，c1为行走，c2为坐下，c3为站起，c4为刷牙，c5为戴眼镜，c6为摘眼镜，c7为喝水，c8为吃饭，c9为鼓掌，c10为握手，u是人体动作视频的种类，u取值为100～600，构建人体动作数据集J，J∈{Q1，Q2，...，Qu}，将人体动作数据集J按照5∶1划分为训练集、测试集； 2构建HRNet-双流transformer网络 HRNet-双流transformer网络由HRNet网络与双流transformer网络串联构成； 所述的HRNet网络由第一特征提取模块与第二特征提取模块、第三特征提取模块依次串联构成； 所述的双流transformer网络由人体关键点transformer分支网络与视频特征transformer分支网络并联构成；人体关键点transformer分支网络由人体关键点输入层与第一卷积层、第二卷积层、第三卷积层、自注意力模块、第四卷积层、池化层依次串联构成；视频特征transformer分支网络由视频序列输入层与第一卷积层、第二卷积层、第三卷积层、自注意力模块、第四卷积层、池化层依次串联构成； 3训练HRNet-双流transformer网络 1确定HRNet网络损失函数 按式1确定HRNet网络损失函数lhr： 其中表示的欧几里得范式，Ft是特征图，是所有Ft的平均值，EFt是回归函数，ω是迭代更新参数，O指迭代次数，β是系数，取值为0.2； 2确定特征图 按式2确定特征图Ft： 其中，是不同分辨率的特征矩阵，rw表示分辨率，w表示分辨率种类，w∈{1，2，3}，r1为高分辨率，r2为中分辨率，r3为低分辨率； 按式3确定不同分辨率的特征矩阵 其中，a表示帧集合V的像素点； 3确定人体关键点transformer分支网络的损失函数 按式4确定人体关键点transformer分支网络的损失函数lkey： Sn＝Softmaxcn 其中，M表示真实特征，Sn是cn输入Softmax函数中得到的标签； 4确定视频特征transformer分支的损失函数 按式5确定视频特征transformer分支的损失函数lv： 其中，表示的欧几里得范式； 5确定双流transformer网络的损失函数 按式6确定双流transformer网络的损失函数ltr： ltr＝lkey+δlu6 其中，δ是参数，δ取值为0.01～0.03； 6确定HRNet-双流transformer网络的损失函数 按式7确定HRNet-双流transformer网络的损失函数l： l＝lhr+ltr7 7训练集输入HRNet-双流transformer网络 将训练集输入HRNet-双流transformer网络进行训练，数据批量为4，学习率α为0.001，迭代次数O取500，迭代至HRNet-双流transformer网络的损失函数l收敛，得到训练好的HRNet-双流transformer网络； 4识别人体动作类别 将测试集输入到训练好的HRNet-双流transformer网络中进行测试，得到测试集的人体动作类别作为网络的识别结果。

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陕西师范大学，其通讯地址为：710062 陕西省西安市长安南路199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”。