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！

龙图腾网获悉杭州电子科技大学申请的专利基于多尺度特征融合的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：CN116469157B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202211465109.3，技术领域涉及：G06V40/20；该发明授权基于多尺度特征融合的动作识别方法是由张善卿;陈昱杰;杨高敏;俞韬;陆剑锋;李黎设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本基于多尺度特征融合的动作识别方法在说明书摘要公布了：本发明提出了一种基于多尺度特征融合的动作识别方法，首先将视频中的每一帧图像的人物参考姿态估计的方法估计其关节点，对关节点进行增强，然后定义骨架图的特征信息，分别为关节点信息，骨骼信息，以及关节点运动信息，提取它们的多尺度特征，将骨架图的特征信息输入到图卷积网络中，动态更新节点之间的拓扑关系，融合相关的节点之间的特征，输出特征进行融合，对视频进行动作识别。考虑到图节点之间的相似性以及骨架图中多种特征信息，并有效的消除计算关节点之间拓扑关系时冗余信息的影响，因此检测准确率很高，而且检测效率快，整体性能由优于前人的方法。

本发明授权基于多尺度特征融合的动作识别方法在权利要求书中公布了：1.一种基于多尺度特征融合的动作识别方法，其特征在于，包括如下步骤： 步骤1、将视频按帧进行分段，得到的每一帧图像使用姿态估计的方法对图像中的对象进行关节点估计，得到关节点的特征信息，并对特征信息进行增强； 具体过程如下： 使用姿态估计的方法对图像中的对象进行关键点估计，输入一段视频，假设待识别视频St表示第t帧视频，待识别视频V共有T帧图像，t∈1,2,...,T，St＝RH*W*C，其中H,W和C分别表示图像的高度、宽度和通道，其中待识别视频V＝{vti|t＝1,2,...,T,i＝1,2,...,N}，i表示第i号关节点，vti表示第t帧第i个关节点的特征信息； 对关节点的特征信息进行增强，使用高斯核函数，将关节点的信息转换到高斯嵌入空间当中，再判断关节点之间的拓扑关系； 步骤2、每一帧图像经过VGG19卷积网络提取特征，得到一组特征图，然后将特征图分别使用CNN网络提取置信度和关联度，得到这两个信息后，使用图论中的二分图匹配求出部分关联，将同一个人的关节点连接起来得到的骨架图并对关节点标注序号； 步骤3、利用得到的关节点的特征信息，计算每一帧待识别对象中骨骼关节点的坐标信息、骨骼边的向量信息以及相邻帧之间同一关节点的关节点运动信息； 步骤4、搭建并训练图卷积网络，图卷积网络先计算骨架图的邻接矩阵，即关节点之间的拓扑关系，再将步骤3得到的三种类型的信息分别输入到训练好的图卷积网络中进行特征提取，根据拓扑关系将节点之间的信息进行卷积，得到分别对应的三种类型的输出特征信息； 所述步骤4中通过图卷积网络计算骨架图的邻接矩阵方法如下： 图卷积公式如下： 其中Hl表示l层的输入，Hl∈R，Wl为第l层的权重参数矩阵，σ·为非线性激活函数，A是邻接矩阵，即关节点之间的拓扑关系，是拉普拉斯矩阵； 节点之间拓扑关系的计算方法： 其中θ和φ是一个1*1的卷积层，n是与i号关节点有关的n个其他关节点，vti和vtj的关系是先转换到高斯嵌入空间再进行计算； 步骤5、将步骤4得到的输出特征进行特征的融合，得到待识别视频最终的时空特征； 步骤6、根据步骤5得到的最终的时空特征进行动作识别，最终得到待识别视频的动作识别结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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。