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！

龙图腾网获悉常州大学申请的专利一种基于分布式传感器融合网络的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：CN115393961B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202211039229.7，技术领域涉及：G06F18/241；该发明授权一种基于分布式传感器融合网络的行为识别方法是由侯振杰;施海勇;钟卓锟;林恩;尤凯军设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本一种基于分布式传感器融合网络的行为识别方法在说明书摘要公布了：本发明涉及计算机视觉和模式识别技术领域，尤其涉及一种基于分布式传感器融合网络的行为识别方法，包括对加速度序列进行采样以保证序列长度的一致性；将来自不同传感器的加速度序列分别送入平行的特征学习模块提取SensorEmbedding；使用TransformerEncoder作为多传感器特征融合模块得到融合特征；对角速序列采样使角速度序列长度与帧数保持一致；来自不同传感器的角速度序列被合成角速度张量；角速度张量被送入一个CNN模型提取特征。本发明解决现实世界的运动场景往往具有很高的复杂性，对行为识别任务的鲁棒性构成挑战以及识别精度不高的问题。

本发明授权一种基于分布式传感器融合网络的行为识别方法在权利要求书中公布了：1.一种基于分布式传感器融合网络的行为识别方法，其特征在于，包括以下步骤： 步骤一、对加速度序列进行采样；将多个加速度序列分别送入平行的特征学习模块提取SensorEmbedding； 特征学习模块的AFLB块中使用1×1的2D卷积层、ReLU函数、1x3的2D卷积层、Flatten操作、RelU函数、Dropout和Linear层； 特征学习模块的SAFLB块使用1×1的2D卷积层、Flatten操作、RelU函数、Dropout和Linear层； 引入注意力权重将SAFLB块与AFLB块融合生成SensorEmbedding，公式为：，为注意力权重融合，表示时刻三轴加速度的合速度，表示第个传感器的三轴加速度数据；； SensorEmbedding输入TransformerEncoder模块，将SensorEmbedding投射到高维空间；输入3个多头自注意力层；在多头自注意力层中，q、k、v分别切成了8份；输出的向量被输入到一个全连接网络； 步骤二、对角速度序列采样；多个角速度序列被合成角速度张量；角速度张量被送入CNN模型提取特征；角速度分支的特征输入第二分类网络； CNN模型包括：局部运动学习块、全局运动学习块和特征学习块，局部运动学习块分别由两个2D卷积层和一个ReLU层构成，卷积层的参数分别为1,1,64和3,1,32；在转置层中，调整张量维度轴，张量维度轴从0,1,2变成0,2,1；全局运动学习块分别由两个2D卷积层、一个Dropout层和两个最大值池化层构成，卷积层的参数分别为3,3,32和3,3,64；特征图学习块分别由两个2D卷积层、两个ReLU层、两个MaxPool2d层和两个dropout层构成，两个卷积层的参数分别为3,3,128和3,3,256；CNN模型具体包括：局部运动学习块中，使用两个滤波器大小分别为和的卷积层分别学习在时序上单个传感器关节的特征和在张量排列上相邻传感器关节的特征；然后，通过一个转置操作，将角速度信号轴和传感器关节轴进行变换；在全局运动学习块中，使用两个滤波器大小为的卷积层在通道维度学习所有关节的全局特征并输出特征图；特征图被输入到两个滤波器大小为的特征图学习块中学习特征；最后特征图被展开成一个向量输入分类网络得到不同类别的分数； 步骤三、将来自加速度分支和角速度分支的分类分数送入决策级融合进行预测。

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常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21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”。

以上内容由龙图腾AI智能生成。