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时空域感知的视频动作质量评价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：CN116703857B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310656613.X，技术领域涉及：G06T7/00；该发明授权一种基于时空域感知的视频动作质量评价方法是由陈朋;杨正一;周鸿超;党源杰;张斌设计研发完成，并于2023-06-05向国家知识产权局提交的专利申请。

本一种基于时空域感知的视频动作质量评价方法在说明书摘要公布了：一种基于稀疏融合的在线碳语义地图构建方法，所述方法包括以下步骤：1对输入视频进行时空分片处理，分成视频片段集合p和关键帧片段集合x；2提取视频片段集合p的多速率运动特征，然后通过快特征与慢特征的插值对齐模块得到时域运动特征；3提取关键帧片段集合x的多尺度空间特征，然后通过多尺度特征对齐模块得到对齐后的空域特征；4融合对齐后的时域运动特征与空域特征得到一个具有时空感知特性的视频动作质量特征，然后进入质量回归模块得到视频动作质量评价分数。本发明利用非常稀疏的图片帧来提取空间特征和具有非常低空间分辨率的密集视频帧来提取运动特征，在提高精度的同时降低了计算复杂度，更适合边缘设备的部署应用。

本发明授权一种基于时空域感知的视频动作质量评价方法在权利要求书中公布了：1.一种基于时空域感知的视频动作质量评价方法，包括以下步骤： 1对输入视频进行时空分片处理，分成视频片段集合p和关键帧片段集合x； 2提取视频片段集合p的多速率运动特征，然后通过快特征与慢特征的插值对齐模块得到时域运动特征； 3提取关键帧片段集合x的多尺度空间特征，然后通过多尺度特征对齐模块得到对齐后的空域特征； 4融合对齐后的时域运动特征与空域特征得到一个具有时空感知特性的视频动作质量特征，然后进入质量回归模块得到视频动作质量评价分数； 步骤1具体包括：对输入视频进行时空分片处理，分成视频片段集合p和关键帧片段集合x；输入视频V被分割成Nk个包含在向量中的连续片段；每个视频片段pi包括Nf帧：pi＝{fi,j}；在每个视频片段中选择一帧关键帧fi,1来提取空间特征，使用pi中的所有帧提取运动特征； 所述步骤2具体包括：提取视频片段集合pi的多速率运动特征，然后通过快特征与慢特征的插值对齐模块得到时域运动特征；使用预训练的慢-快动作识别模型SLOW-FAST获取每个视频片段的动作特征；SLOW-FAST模型分别通过Slow和Fast分支提取慢速率特征和块速率特征信息，使得动作识别网络的特征表示能够有效反映视频中主体的运动信息； 因此，给定一个视频片段pii∈{1,2,3,...,Nc}，使用动作识别网络分别得到慢速率和快速率特征和通过连接这些特征，得到慢速率特征集和快速率特征集： 随后，将注意力机制应用于不同运动速率Xslow，Xfast的输入特征，通过学习注意力权重和执行多个运动特征的加权求和，得到多种速率自适应地对齐运动特征Fs，Ft： Watt＝SoftmaxReLuCon1Xslow+Conv2Xfast2 其中Conv1·和Conv2·是两个具有单一内核大小的二维卷积核，ReLu·和Softmax·是激活函数，Watt是注意力权重；为了获得在时间维度上具有相同大小和采样率的数据，使用多速率插值方法进行插值和对齐；对于每个时间戳t，对处理后的特征Fs，Ft进行插值和对齐，以获得该时间戳的对齐特征： 其中是SLOW-FAST网络在视频帧t处提取的特征，s和f分别代表慢路径和快路径，ri是路径第i帧的时间采样率，表示第i帧中最接近t的时间戳；vit是通过线性或最近邻插值得到的插值系数如下： 最后，将慢速率路径和快速率路径对齐的特征按照一定的比例α进行融合，得到最终的视频运动特征表示： 所述步骤3具体包括：提取关键帧片段集合的多尺度空间特征，然后通过多尺度特征对齐模块得到对齐后的空域特征；使用预训练的残差神经网络模型ResNet提取空间特征，获得了对单帧空间分辨率具有鲁棒泛化能力的特征表示；不同大小和深度的空间域卷积可以捕获不同类型的语义信息，考虑输入帧pi和阶段特征Xs，定义Xs作为卷积神经网络模型CNN在阶段ss∈1,2,3,4的多尺度输出： Xs＝CNNsXs-17 多尺度通道注意模块使用通过改变空间池大小获得的多个尺度的通道注意力来对齐不同尺度的特征；为了提升计算效率，选择逐点卷积来实现局部上下文聚合，它只利用每个空间位置的逐点通道交互；给定的多尺度特征X＝{X1，X2，X3，X4}，多尺度通道注意模块的输出定义如下： 其中LX和GX分别表示多尺度通道注意模块使用的局部和全局信道上下文，表示广播加法，表示逐元素乘法，σ是一个sigmoid激活函数；注意权重LX和GX定义如下： 其中W1、W2、W3和W4是四个可学习权重的卷积层，δ表示ReLU激活函数，表示为批量归一化，表示全局平均池化：

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。