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！

龙图腾网获悉浙江工业大学申请的专利一种基于全MLP架构的高度紧凑型人体长时运动预测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：CN119251867B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202411276030.5，技术领域涉及：G06V40/10；该发明授权一种基于全MLP架构的高度紧凑型人体长时运动预测方法是由刘盛;张少波;高飞;冯缘;陈胜勇;柯正昊;柯程远设计研发完成，并于2024-09-12向国家知识产权局提交的专利申请。

本一种基于全MLP架构的高度紧凑型人体长时运动预测方法在说明书摘要公布了：本发明公开了一种基于全MLP架构的高度紧凑型人体长时运动预测方法，包括：获取原始时序人体骨架数据并进行预处理，预处理为将原始时序人体骨架数据由时域变换为频域后映射到高维空间，形成高维空间特征；建立全MLP架构模型，包括N个依次连接的动态时空特征感知模块；将高维空间特征输入全MLP架构模型，获得第一提取特征；将第一提取特征依次经过层归一化和第一线性层从高维空间恢复至三维空间；将恢复后的第一提取特征从频域变换为时域，形成第二提取特征；将第二提取特征输入多时段联合预测模块，获得最终预测结果。通过轻量化设计大大减少模型的参数量，从而降低了计算复杂度与资源消耗，提高了预测的准确性和可靠性，通用性好。

本发明授权一种基于全MLP架构的高度紧凑型人体长时运动预测方法在权利要求书中公布了：1.一种基于全MLP架构的高度紧凑型人体长时运动预测方法，其特征在于：所述基于全MLP架构的高度紧凑型人体长时运动预测方法包括如下步骤： S1、获取原始时序人体骨架数据并进行预处理，所述预处理为将原始时序人体骨架数据由时域变换为频域后映射到高维空间，形成高维空间特征； S2、建立全MLP架构模型，所述全MLP架构模型包括N个依次连接的动态时空特征感知模块，所述动态时空特征感知模块执行如下操作： S21、采用空间多层感知机和时间多层感知机分别对输入特征进行特征提取，对应获得空间特征和时序特征，所述空间多层感知机为作用于空间维度的多层感知机，所述时间多层感知机为作用于时间维度的多层感知机； S22、将空间特征和时序特征分别与输入特征进行相加操作，对应获得空间融合特征和时序融合特征； S23、利用动态聚合机制将空间融合特征和时序融合特征聚合为时空特征，所述动态聚合机制，由如下公式表示： ， ， 式中，表示第i个动态时空特征感知模块的空间融合特征，表示第i个动态时空特征感知模块的时序融合特征，i=1~N，Concat表示通道维度的拼接，表示第i个动态时空特征感知模块中第六线性层的权重，表示第i个动态时空特征感知模块中第六线性层的偏置，表示sigmoid激活函数，表示第i个动态时空特征感知模块学习到的时空特征动态系数，表示第i个动态时空特征感知模块学习到的空间动态系数，表示第i个动态时空特征感知模块学习到的时间动态系数，表示第i个动态时空特征感知模块中动态聚合机制的输出特征； S24、采用通道多层感知机对时空特征进行增强获得通道增强特征，所述通道多层感知机为作用于通道维度的多层感知机； S25、将通道增强特征与时空特征进行相加操作，获得输出特征； S3、将高维空间特征输入全MLP架构模型，获得第一提取特征，所述第一提取特征即为最后一个动态时空特征感知模块的输出特征； S4、将第一提取特征依次经过层归一化和第一线性层从高维空间恢复至三维空间； S5、将恢复后的第一提取特征从频域变换为时域，形成第二提取特征； S6、将第二提取特征输入多时段联合预测模块，获得最终预测结果，所述多时段联合预测模块包括并行的多个具有不同时段的第二线性层，即包括并行的四个第二线性层，分别对应短时、长时、超长时、极长时四个不同时段，并执行如下操作： 将不同时段的第二线性层分别与原始时序人体骨架数据中的最后一帧人体骨架数据进行相加操作后，在时间方向依次拼接形成最终预测结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。