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！

龙图腾网获悉厦门大学申请的专利基于RFID的人体行为检测方法、装置、介质及设备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：CN116738144B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202310510942.3，技术领域涉及：G06F18/10；该发明授权基于RFID的人体行为检测方法、装置、介质及设备是由杨律青;沈顺文;杨牧蓝;丘以书;曾文华;王备战;张志宏;王美红;于博设计研发完成，并于2023-05-08向国家知识产权局提交的专利申请。

本基于RFID的人体行为检测方法、装置、介质及设备在说明书摘要公布了：本申请的实施例提供了一种基于RFID的人体行为检测方法、装置、介质及设备。该方法包括：所述方法包括：接收由所述天线传输的预定时间长度内的信号特征信息，所述信号特征信息包括所述天线在所述预定时间长度对应时间段内所接收到信号的信号接收强度以及信号相位；对所述信号特征信息进行预处理，得到待识别数据集；将所述待识别数据集输入至预先训练完成的人体行为识别模型，以使所述人体行为识别模型输出对应的人体行为识别结果，所述人体行为识别模型基于概率稀疏化自注意力机制训练得到。本申请实施例的技术方案可以降低设备部署的难度，减少模型的计算复杂度并保证人体行为识别的准确度。

本发明授权基于RFID的人体行为检测方法、装置、介质及设备在权利要求书中公布了：1.一种基于RFID的人体行为检测方法，其特征在于，应用于终端设备，所述终端设备通过阅读器与单个天线通讯连接，所述天线用以接收环境中设置的标签阵列传输的信号； 所述方法包括： 接收由所述天线传输的预定时间长度内的信号特征信息，所述信号特征信息包括所述天线在所述预定时间长度对应时间段内所接收到信号的信号接收强度以及信号相位； 对所述信号特征信息进行预处理，得到待识别数据集； 将所述待识别数据集输入至预先训练完成的人体行为识别模型，以使所述人体行为识别模型输出对应的人体行为识别结果，所述人体行为识别模型基于概率稀疏化自注意力机制训练得到； 其中，所述人体行为识别模型包括单独卷积层、数据展平合并层、变体层以及线性变化输出层，其中，所述变体层以transformer的encoder模块为基础，所述encoder模块采用概率稀疏化自注意力机制进行学习； 其中，所述数据展平合并层将经过所述单独卷积层得到的若干标签特征展平成一维数据，并根据各标签特征对应的标签在所述标签阵列中的方位对若干标签特征进行合并； 其中，所述预处理包括数据分割、数据补全、相位校正、快速傅里叶变换以及数据滤波中的至少一种； 其中，将待识别数据集按照时间序进行排列输入人体行为识别模型中，由于每个时间步中进行的操作相同，后续只对时间步t中的操作进行阐述；选取时间步t中k个标签采集到的预处理后的数据先输入到单独卷积层中进行特征提取操作，其中单独卷积层由一个空洞卷积层和两个二维卷积层组成，先是由空洞卷积来对经过FFT变化后的数据在频域上的虚实特征进行融合，然后将融合的数据进一步输入两个二维卷积层进行高纬特征提取得到接着将处理过后的k个标签的特征输入数据展平合并层，将这k个标签特征先展平成k个一维数据然后将其合并，即将这k个一维数据根据对应标签在标签阵列中的方位按行排列，排列成k行的Vt；排列成Vt形式可以方便后续通过卷积来提取k个标签间的空间特性，并且，单独卷积层使用空洞卷积即已先在频域上提取了环境中每个单独的标签不同频率段上的信息，因此对Vt列数据的卷积实际上对环境内不同标签收集到的时空特征都进行融合；接着，进一步通过多个二维卷积层来建立k个标签中的空间特征联系得到v′t，将其余时间步中得到的输出 {v′1,v′2,…,v′n}按照时间序排列输入到transformer的encoder模块为基础的变体层中；在变体层中，延用transformer的encoder模块的基础框架，使用了稀疏化的ProbSparseself-attention以使得模型可以在少量数据集上学习到准确行为特征，对输入的时间序数据进行预测；再将最后的结果输入线性变化输出层进行维度压缩，通过softmax函数来对最大预测值进行输出，得到最终的行为预测结果即人体行为识别结果。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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”。