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！

龙图腾网获悉电子科技大学申请的专利一种个性化联邦学习下的视频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：CN116798123B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310766410.6，技术领域涉及：G06V40/20；该发明授权一种个性化联邦学习下的视频行为识别方法是由徐杰;张昱航;郑豪;李怡瑶;李子轩;谢麟冰设计研发完成，并于2023-06-26向国家知识产权局提交的专利申请。

本一种个性化联邦学习下的视频行为识别方法在说明书摘要公布了：本发明公开了一种个性化联邦学习下的视频行为识别方法，先构建非独立同分布的视频行为识别数据集，模拟联邦学习场景；然后搭建了基于时空特征的视频行为识别模型，主要包含局部模块和全局模块，局部模块在视频分段上实现时空特征的提取；全局模块利用特征级的差分信息提取动作节奏特征，在整个视频上实现时空信息的深度提取和融合；之后在联邦学习条件下展开训练，每个用户基于本地数据集并行完成训练，将局部模块参数作为本地私有参数，将全局模块参数回传给服务器，服务器将每个用户回传的参数进行聚合得到共享参数，并将共享参数传给用户，用户依靠本地私有参数与共享参数实现视频行为分类。

本发明授权一种个性化联邦学习下的视频行为识别方法在权利要求书中公布了：1.一种个性化联邦学习下的视频行为识别方法，其特征在于，包括以下步骤： 1、制作联邦学习视频数据集； 下载一个包含N个行为类别的公开视频数据集； 设置参与联邦学习训练的总用户数为C，采用狄利克雷方法将公开视频数据集分为C个子数据集，使得每个用户分得一个子数据集，且每个子数据集又均包含有N个类别的数据，子数据集之间服从非独立同分布； 2、构建基于时空特征的视频行为识别模型； 基于时空特征的视频行为识别模型包括输入模块、局部特征提取模块和串联的多个全局特征提取模块，以及池化层和分类器； 其中，输入模块对输入数据分段，再在每段中随机采样连续k帧图像，然后将n段采样图像输入到局部特征提取模块，其中，k为奇数； 局部特征提取模块包含两个网络分支，第一个分支对每一段的k帧数据先进行以中间为基准的帧级的差分计算，再经过通道维度的平滑操作，然后依次进行平均池化和通过池化层后输入至卷积层，通过卷积操作后进行上采样，得到采样输出，采样输出再通过卷积层的卷积操作后再次进行上采样，得到补充时间特征；第二个分支直接将每一段中的中间帧通过卷积层的卷积操作得到卷积输出，卷积输出与第一个分支中的采样输出相加后再通过卷积层进行卷积操作，得到局部空间特征；最后将补充时间特征与局部空间特征相加后通过池化层，得到局部特征； 在每个全局特征提取模块中，输入的局部特征先进行通道维度的压缩，再经过特征级的差分计算得到前向特征差分与后向特征差分； 前向特征差分作为3个分支的输入，其中，第一个分支通过卷积层1、池化层、上采样层之后输入至卷积层3；第二个分支通过卷积层2后输入至卷积层3；第三个分支直接输入至卷积层3；在卷积层3中，将3个分支的输出相加后再次进行卷积操作后通过激活层激活，得到初始前向差分信息； 后向特征差分与前向特征差分处理流程相同，因此同理可以得到初始后向差分信息； 在注意力机制模块中，双向的初始差分信息相加后与输入的局部特征逐个相乘，再通过注意力机制加权运算后再次与输入的局部特征相加，然后将相加后的结构通过卷积层进行卷积操作，从而得到全局模块的输出； 最后，全局特征通过池化层和分类器，输出预测结果； 3、训练基于时空特征的视频行为识别模型； 3.1、设每轮参与联邦学习的用户数量为S，即每轮有SC的数据并行训练；在每轮训练开始，在总用户数C中随机采样S个用户，然后将这S个用户对应的子数据集作为训练数据； 3.2、通过S个用户并行训练S个识别模型； 在每一个识别模型训练过程中，先通过输入模块将每个子数据集中的视频数据平均分为n段，每段中又随机采样连续的k帧图像，然后将n段采样图像输入到局部特征提取模块中； 在局部特征提取模块中，提取每段视频的局部特征Fi，i＝1,2,…,n； 在串联的全局部特征提取模块中，每段视频的局部特征Fi输入至串联的多个全局部特征提取模块，通过进行重复的特征提取得到最终的全局特征； 最后将全局时空特征通过池化层并输入分类器，预测出每段视频行为类别； 利用识别模型预测的视频行为类别与对应的真实视频行为类别计算交叉损失值，然后判断当前迭代次数是否达到预设值或交叉损失值是否小于预设阈值，若满足上述条件，则停止迭代训练，得到训练完成的视频行为识别模型；否则，将交叉损失值进行反向传播，并通过梯度下降算法更新视频行为识别模型的权重参数，然后进行下一轮训练； 4、用户本地实现视频行为识别分类； 个性化联邦学习完成后，每个用户都在本地保存一个视频行为识别模型，在实现视频行为识别分类任务时，用户在本地实时采集视频数据，输入到本地的视频行为识别模型中，从而实现视频行为的本地预测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。