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深度学习的网球动作识别方法和装置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：CN119888862B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510083939.7，技术领域涉及：G06V40/20；该发明授权一种基于深度学习的网球动作识别方法和装置是由周德龙;张雨飞;陈涛设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种基于深度学习的网球动作识别方法和装置在说明书摘要公布了：一种基于深度学习的网球动作识别方法和装置，其方法包括：通过声学事件检测定位网球击球时刻，提取一定数量的帧输入动作识别网络之中；使用卷积神经网络对待检测的网球技术动作视频序列中的每一帧进行空间特征提取，使用可变形卷积捕获与物体形变相关的特征，通过通道注意力对空间特征进行增强，聚焦关键特征，得到能够代表球员运动信息的特征向量；将每一帧的空间特征向量输入Transformer中以计算它们在时间上的关联，使用相对位置编码模拟不同帧动作之间的偏差程度，加强不同帧之间的关联性，最后使用多层感知机作为分类器进行技术动作分类。本发明通过声学事件检测以定位击球时刻，结合卷积神经网络以及Transformer分开处理空间信息以及时间信息，使用多层感知机作为分类器。通过这种方法，能够高效、快速的识别出网球运动员所使用的技术动作。

本发明授权一种基于深度学习的网球动作识别方法和装置在权利要求书中公布了：1.一种基于深度学习的网球动作识别方法，包括： S10，使用声学事件检测定位发生击球的时刻，提取击球时刻前后一定数量帧的图像作为待识别技术动作序列输入动作识别网络之中；所述动作识别网络包括卷积神经网络模块、Transformer模块、分类器；所述分类器为多层感知机； S20，使用卷积神经网络对输入的待识别技术动作序列中的每一帧进行空间特征提取，结合可变形卷积以及通道注意力对空间特征进行增强；所述卷积神经网络模块以MobileNetV3的Large版本为基准模型，构造可变形卷积模块替换基准模型第四次使用5X5卷积及之后的部分；后置层具体包括可变形卷积模块、最大池化层、1X1卷积以及HardSwish函数、通道注意力层和全局平均池化层； 所述可变形卷积模块包括1x1卷积，可变形卷积DCN，HardSwish激活函数,BatchNorm以及通道注意力； S30，将每一帧的空间特征向量输入至Transformer以计算向量间的时间关系，得到用于动作识别的向量；引入相对位置编码加强帧与帧之间的关联性； S40，将用于动作识别的向量输入到多层感知机，进行技术动作分类。

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 浙江省杭州市拱墅区潮王路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”。

以上内容由龙图腾AI智能生成。