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！

龙图腾网获悉浙江师范大学申请的专利一种孤独症儿童课堂行为分析方法及分析系统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：CN120748050B 。

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：202511255493.8，技术领域涉及：G06V40/20；该发明授权一种孤独症儿童课堂行为分析方法及分析系统是由陈军;马晓月;蒋云良;张雄涛设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本一种孤独症儿童课堂行为分析方法及分析系统在说明书摘要公布了：本发明为解决现有的孤独症儿童课堂分析中采集视频的视角单一，影响分析结果的问题；提供一种孤独症儿童课堂行为分析方法及分析系统，本系统将多视角采集、稳定的关键点检测、高精度多视角三维重建以及深度行为分析的方式，通过构建投影矩阵、加权计算、过滤异常点、算法优化及误差消除等环节实现有机整合，形成一套完整高效的体系，大幅提升了孤独症儿童课堂行为分析的准确性，为个性化教育干预提供坚实、科学的依据，带来更具价值的分析结果。

本发明授权一种孤独症儿童课堂行为分析方法及分析系统在权利要求书中公布了：1.一种孤独症儿童课堂行为分析方法，其特征在于，包括如下步骤： 步骤1：由教室中一个及以上设定位置的摄像头采集视频； 步骤2：将采集到的不同视频运用棋盘格标定法统一到一个三维坐标系中进行表示； 步骤3：对采集到的视频进行预处理，并利用VGG网络提取深层语义特征，经多阶段优化得到视频中的人体的关键点的二维坐标及其置信度； 步骤4：依据过去N帧视频图像中的关键点置信度分别计算均值、标准差以及动态阈值，并划分置信度等级； 步骤5：依据置信度等级分别采取保留、Kalman滤波平滑或者线性插值恢复处理方式，获得稳定可靠的关键点二维坐标； 步骤6：收集关键点可见视角，构建投影矩阵，并结合置信度、基线长度和深度信息计算权重，随后运用RANSAC算法过滤异常点，以筛选内点为基础构建目标函数，用LM算法迭代优化后进行光速平差，消除累计误差； 步骤7：运用完成训练的深度学习模型，基于筛选后的关键点，判断视频中是否存在孤独症的典型行为；若存在孤独症行为，则识别孤独症行为的类别，并记录动作识别数据；否则结束步骤； 步骤8：基于记录的动作识别数据，运用训练好的LSTM网络分析动作识别数据，并预测行为趋势，生成行为分析报告，给出个性化干预建议； 所述步骤6的具体过程如下： 步骤61：收集关键点可见视角；通过四个视角中的二维关键点及其置信度来确定哪些视角下的关键点是可用的，从而保留可用的关键点； 步骤62：构建投影矩阵； 一个世界坐标系中的三维点X＝X,Y,ZT在多个视角下的二维投影为xi＝xi,yiT，每个相机的投影关系表示为： xi＝ΠiX， Πi＝Ki[Ri∣ti]， 其中，Πi是相机的投影矩阵；Ki相机内参矩阵；Ri、ti相机外参； 步骤63：结合置信度、基线长度和深度信息计算权重，从而对每个投影方程进行加权，公式如下： wi＝cpose,i×fbaselinei×gD 其中，D是深度信息；fbaselinei是关于基线长度的单调递增函数；baselinei是第i个视角与其他视角的基线长度；cpose,i表示第i个视角的关键点置信度； 步骤64：RANSAC算法过滤异常匹配点，筛选出内点； 步骤65：以RANSAC筛选出的内点为基础，构建最小化重投影误差的目标函数： 其中，inliers表示内点的集合； 步骤66：运用LM算法对目标函数进行迭代优化，持续更新三维点X的坐标，直至满足收敛条件； 步骤67：运用光速平差的方法，消除累计误差，最小化所有三维点在各个相机视角下的重投影误差总和，目标函数如下： 其中，C是所有相机的参数集合；X是所有三维点的坐标集合；nc是相机的数量；np是三维点的数量；xij是第j个三维点在第i个相机视角下的二维投影坐标；ΠCi是第i个相机的投影矩阵；wij是权重； 步骤68：使用LM算法来求解步骤67中的目标函数，在求解过程中，同时更新相机参数和三维点坐标，直到满足收敛条件。

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师范大学，其通讯地址为：321000 浙江省金华市婺城区迎宾大道688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。