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！

龙图腾网获悉江南大学申请的专利基于动态时序多维自适应图卷积网络的骨架行为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：CN115661861B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211290028.4，技术领域涉及：G06V40/10；该发明授权基于动态时序多维自适应图卷积网络的骨架行为识别方法是由曹毅;夏宇;高清源;汤多良;周辉;马惠欣设计研发完成，并于2022-10-21向国家知识产权局提交的专利申请。

本基于动态时序多维自适应图卷积网络的骨架行为识别方法在说明书摘要公布了：本申请提供一种基于动态时序多维自适应图卷积网络的骨架行为识别方法，通过非局部网络和维度变换模块，构建多维自适应图卷积模块，同时将动态卷积和时序卷积相结合，在时序卷积中引入SE注意力网络计算各卷积核权重和偏置的权值，构造动态时序卷积模块，将二者相结合并在多流网络下进行端到端的训练，构造动态时序多维自适应图卷积网络模型；本申中的动态时序多维自适应图卷积网络模型能够自骨架时空图中充分提取空间域内的多维信息，同时增强了时间特征的表示能力，基于本申请的骨架行为识别方法，不但能够取得优异的识别准确率，而且具备良好的泛化性能。

本发明授权基于动态时序多维自适应图卷积网络的骨架行为识别方法在权利要求书中公布了：1.基于动态时序多维自适应图卷积网络的骨架行为识别方法，其包括以下步骤： S1：获取原始视频样本，对所述原始视频样本进行预处理，并获取所述原始视频样本中骨架信息数据； S2：将原始视频样本的骨架信息数据建模成骨架时空图； S3：基于获取的骨架信息数据，进行数据处理后，提取骨架行为特征数据，基于所述骨架行为特征数据获得多支流的训练数据，记作：多支流训练用特征数据； 其特征在于，其还包括以下步骤： S4：基于自适应图卷积方法和动态卷积，构建动态时序多维自适应图卷积网络模型，作为骨架行为识别模型；所述骨架行为识别模型包括：骨架行为识别支流模型； S5：设置并调整所述骨架行为识别模型的超参数，使用所述多支流训练用特征数据，对所述骨架行为识别模型中的每一个所述骨架行为识别支流模型进行训练，获得训练好的所述骨架行为识别支流模型； S6：获取待识别视频数据，提取待识别视频数据组中的骨架信息数据，基于骨架信息数据提取待识别骨架时空图，将所述待识别骨架时空图并分别输入到每一个训练好的所述骨架行为识别支流模型中，将各支流模型的输出进行融合，得到最终的骨架行为识别结果； 步骤S4中，构建动态时序多维自适应图卷积网络模型，包括以下步骤： S4-1：将所述骨架时空图中每一个节点的邻域进行子集划分，得到所述骨架时空图对应的骨架节点子集；所述骨架节点子集包括：节点自身子集、向心邻居节点子集、离心邻居节点子集； 所述节点自身子集中包括节点自身； 所述向心邻居节点子集中包括：靠近骨架重心的向心邻居节点； 所述离心邻居节点子集中包括：远离骨架重心的离心邻居节点； S4-2：基于所述骨架时空图，构建多维度自适应图，所述多维度自适应图包括：空间自适应图、时间自适应图和通道自适应图； 所述空间自适应图为基于所述骨架时空图提取的空间图； 所述时间自适应图为基于所述骨架时空图提取的时间图经过维度变换后生成； 所述通道自适应图为基于所述骨架时空图提取的通道图经过维度变换后生成； 将所述多维度自适应图和初始邻接矩阵及掩码矩阵相结合得到多维自适应邻接矩阵，将所述多维自适应邻接矩阵进行图卷积，并与所述骨架节点子集一起构建空间图卷积层，记作：多维自适应图卷积模块； S4-3：基于所述骨架时空图，引入对二维卷积权重和偏置的注意力机制，构造9×1的动态时序卷积提取所述骨架时空图的时间特征，构建时序图卷积层，记作：动态时序卷积模块； S4-4：将所述多维自适应图卷积模块和所述动态时序卷积模块相结合，构建动态时序多维自适应图卷积块； 所述动态时序多维自适应图卷积块包括：依次连接的多维自适应图卷积层、BN层、RELU和动态时序卷积层； S4-5：构建所述骨架行为识别模型； 所述骨架行为识别模型包括：依次连接的BN层、10个动态时序多维自适应图卷积块、GAP层和softmax层。

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江南大学，其通讯地址为：214000 江苏省无锡市滨湖区蠡湖大道1800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。