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！

龙图腾网获悉浙江理工大学申请的专利一种基于时空双流特征融合的动态手语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：CN116503939B 。

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：202310296020.7，技术领域涉及：G06V40/20；该发明授权一种基于时空双流特征融合的动态手语识别方法是由章立早;田秋红;施之翔;杨子瑜设计研发完成，并于2023-03-24向国家知识产权局提交的专利申请。

本一种基于时空双流特征融合的动态手语识别方法在说明书摘要公布了：本发明公开了一种基于时空双流特征融合的动态手语识别方法。具体步骤为：1从手语视频数据集中获取多个手语视频，并对所有手语视频进行手语标类，之后将每个手语视频进行预处理后获得图像序列，将所有预处理后的图像序列分为训练集和测试集；2构建用于动态手语识别的神经网络模型，神经网络模型包括五个时间卷积模块、六个空间卷积模块、一个池化模块、一个多维整合模块和两个平均池化层；3将训练集输入步骤2构建的神经网络模型中进行训练4将待识别的手语视频进行预处理，之后输入训练好的神经网络模型进行手语识别，并输出分类识别结果。本发明针对动态手势识别特点进行设计，可以有效提升动态手语识别的准确率。

本发明授权一种基于时空双流特征融合的动态手语识别方法在权利要求书中公布了：1.一种基于时空双流特征融合的动态手语识别方法，其特征在于：包括如下步骤： 1从手语视频数据集中获取手语视频，将所有手语视频划分为训练集和测试集，之后将每个手语视频进行预处理获得图像序列； 2构建用于动态手语识别的神经网络模型并进行训练；对待识别手语视频预处理后输入训练好的模型，输出分类结果；其中，所述神经网络模型的结构具体为：a时间分支：五个时间卷积模块依次连接，第一与第二时间卷积模块之间连接池化模块；第五时间卷积模块输出经平均池化得到第五阶时间特征向量；所述第一时间卷积模块依次包括三维卷积层、归一化层与ReLU，三维卷积层的卷积核大小为1×7×7、步长1,2,2、填充0,3,3；第二、第三、第四、第五时间卷积模块分别由深度为3的三维卷积模块、深度为4的三维下采样卷积模块、深度为6的三维下采样卷积模块、深度为3的三维下采样卷积模块组成； b空间分支：第一空间卷积模块输入连接第一时间卷积模块的输出，第二空间卷积模块输入连接池化模块的输出，第三、第四空间卷积模块输入分别连接第二、第三时间卷积模块的输出；第一至第四空间卷积模块的输出在通道维度拼接后输入多维整合模块以获得整合后的空间特征向量；该整合后的空间特征向量依次经第五、第六空间卷积模块与平均池化得到第六阶空间特征向量；所述第一空间卷积模块依次包括三维卷积层、归一化层与ReLU，三维卷积层的卷积核大小为3×7×7、步长2,4,4、填充1,2,2；第二至第六空间卷积模块分别由深度为3的三维下采样卷积模块、深度为4的三维下采样卷积模块、深度为6的三维卷积模块、深度为2的三维下采样卷积模块、深度为2的三维下采样卷积模块组成； c池化模块为卷积核1×3×3、步长1,2,2、填充0,1,1的三维最大池化层； d多维整合模块包括三个并联通道甲、乙、丙；每个通道依次包括1×1的三维卷积层与变形层；通道甲和乙的输出均连接第一个矩阵乘法层，其输出与通道丙的输出连接第二个矩阵乘法层，该第二个矩阵乘法层之后依次连接变形层以得到所述整合后的空间特征向量；其具体处理为：将拼接后的空间特征向量分别经三条1×1×1三维卷积得到三组向量，各自变形为用于矩阵乘法的二维矩阵，先对通道甲与通道乙的矩阵相乘，再将所得矩阵与通道丙的矩阵相乘，随后对结果矩阵变形为整合后的空间特征向量； e将第六阶空间特征向量与第五阶时间特征向量在通道维度上拼接后输入softmax分类器得到最终输出。

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理工大学，其通讯地址为：310018 浙江省杭州市江干区下沙高教园区2号大街928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。