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！

龙图腾网获悉延安大学西安创新学院申请的专利基于动作形态融合图神经网络的情绪压力识别方法及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：CN120198976B 。

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：202510523337.9，技术领域涉及：G06V40/70；该发明授权基于动作形态融合图神经网络的情绪压力识别方法及系统是由琚成;闫文耀;苗水清;马妍;吴梦蝶;何志明设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本基于动作形态融合图神经网络的情绪压力识别方法及系统在说明书摘要公布了：本发明公开了一种基于动作形态融合图神经网络的情绪压力识别方法及系统，属于图像处理及机器学习领域。构建了双重图数据结构：以人体关键点为节点的图数据和以图像帧为节点的图数据，分别通过T‑GCN和PCSN进行处理。T‑GCN模型融合GCN层与Mamba编码器，通过图分区策略强化情绪类别表征的内聚与耦合能力，有效捕获人体动作的时空特征关系。PCSN采用三分支并行结构，包括一维全局平均池化、3×3卷积和5×5卷积，实现了对人体、面部及手部的非同质化特征的高效提取，并建立全局特征的长短程依赖和局部跨通道交互关系。系统通过迁移学习与小样本学习相结合，利用公开数据集初始化网络，再在校园情绪压力小样本数据集上二次训练，显著提高了识别精度。

本发明授权基于动作形态融合图神经网络的情绪压力识别方法及系统在权利要求书中公布了：1.一种基于动作形态融合图神经网络的情绪压力识别方法，其特征在于，包括以下步骤： S1、对校园人员的视频图像进行预处理，通过深度学习算法进行活体检测，生成校内人员图像；所述活体检测采用级联检测器； S2、对校内人员图像进行人体、手部及面部实体分割，并利用特征提取模型基于非生理特征数据的维度对图像关键点进行定位； 所述实体分割采用级联检测器的级联模型和图像分割算法；所述级联检测器的级联模型包括全身人体特征级联分类器、手部特征级联分类器和正面人脸特征分类器； 所述校内人员图像的关键点包括人体关键点、面部关键点和手部关键点； 人体关键点包括人体自由度关节； S3、构建双重图数据空间结构，并采用T-GCN模型结合图分区策略提取情绪强化的分割特征； 所述T-GCN模型包括GCN层与Mamba编码器，所述GCN层用于捕获人体动作的时空特征，所述Mamba编码器通过SSMs对序列数据并行处理； 所述双重图数据空间结构包括： 以人体关键点为节点的图数据空间结构，边权重基于空间构型分区策略，将人体不同部位根节点与重心之间的距离作为基准距离，然后判断其他邻接节点与根节点之间的距离和基准距离的关系，根据关节与根节点之间的距离关系动态分配； 以图像帧为节点的图数据空间结构，边为不同帧之间的连接，边权重基于图像特征向量之间的相似度分配； S4、通过迁移学习方法，T-GCN模型先利用公开情绪数据集训练，再利用校园情绪压力小样本数据集进行二次训练及测试； S5、对人员的个人信息进行独热编码，利用图像帧构建图数据节点，基于PCSN提取人体、手部、面部的非同质化特征，并融合关键点数据与个人信息编码，完成情绪压力的综合识别，得到情绪压力判别依据； 所述PCSN采用多分支并行结构采集不同尺度视野内图像特征信息，包括一维全局平均池化编码分支、3×3卷积分支和5×5卷积分支； 所述PCSN通过矩阵点积运算三分支结构的最大池化与平均池化的结果向量，得到并行局部跨式空间特征，构建全局特征信息的长短程依赖和局部跨通道交互关系，并行局部跨式空间特征通过KAN网络层输出； S6、将人体、手部、面部情绪强化分割特征与情绪压力判别依据池化融合，通过KAN网络分类器输出情绪压力类别识别结果及分类概率。

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延安大学西安创新学院，其通讯地址为：710100 陕西省西安市长安区皂河路2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。