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！

龙图腾网获悉西南交通大学申请的专利一种基于BAT-GCN的跌倒行为检测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：CN117197898B 。

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：202311241577.7，技术领域涉及：G06V40/20；该发明授权一种基于BAT-GCN的跌倒行为检测方法是由杨慧;梁睿衍设计研发完成，并于2023-09-25向国家知识产权局提交的专利申请。

本一种基于BAT-GCN的跌倒行为检测方法在说明书摘要公布了：本发明公开了一种基于BAT‑GCN的跌倒行为检测方法，具体为：采用TransPose模型对视频按30帧率，抽帧成T张图片作为输入图像，再把每张图中每个人的每个关键点抽象成一个二维坐标，构建骨架网络序列；对骨架网络进行数据归一化，将由10层的时空间图卷积操作器组成的BAT‑GCN模型作为行为分类模型的跌倒检测算法框架，经过计算后输出对60个动作类别预测的概率，取概率最高者作为对骨架网络序列的动作预测。本发明计算量更少、检测精度更高，满足在低算力硬件设备上实时检测跌倒动作的要求。

本发明授权一种基于BAT-GCN的跌倒行为检测方法在权利要求书中公布了：1.一种基于BAT-GCN的跌倒行为检测方法，其特征在于，将TransPose模型作为人体关节点检测模型，以及将BAT-GCN模型作为行为分类模型的跌倒检测算法框架，具体为： 首先，TransPose模型对视频按30帧率，抽帧成T张图片作为输入图像，再把每张图中每个人的每个关键点抽象成一个二维坐标x,y，以关键点序号排序，组成一个序列，即为骨架网络，则T帧的图片的Pe个人的M个Cin，Cin=2维的关键点，组成T×Pe×M×Cin维度的骨架网络，即为骨架网络序列；若其中一帧没有检测到Pe个人中某些人，那么这些人的骨架网络置零；这个骨架网络序列就是BAT-GCN的输入； 然后，T×Pe×M×Cin维度的骨架网络进行数据归一化，即在BAT-GCN中会先转化为Pe个Cin×T×N维度的特征序列作为输入序列fin；其中，N表示关节连接的个数；由此，1×M维的关键点序列会转化为1×N维的关节连接序列；BAT-GCN模型由10层的时空间图卷积操作器ST-GCNBlock组成，具体的，β-GCN负责运算空间域C×N的卷积操作，TCN负责运算时间域C×T的卷积操作；前三层的输出通道数Cout为64，接下来三层的输出通道数为128，最后四层的输出通道数为256；TCN是在时间维度上的一维卷积，卷积核大小为1×9，计算过程可由公式1表示： 1 其中，t表示一维卷积核权重的位置，TCN在空间维度上共享关节连接N的权重，Tdi表示时间维度上的特征，i则表示特征时间维度上的位置，Ket表示时间卷积核； 所述β-GCN模型增加了β注意力机制，即一个可学习的参数矩阵β∈N×N来增强每个关键点之间的联系，由此构造β-GCN模型，其单帧分区策略的模型公式如下： 2 其中，β注意力机制的计算公式如公式3所示： 3 其中，和表示第i个和第j个位置的维向量，用来表示每个关键点的特征和相关性；WQ是第i组关键点的特征映射，WK是第j组关键点的特征映射，初始值满足随机正态分布；Wα是加权系数，初始值为1； 对于时空间图卷积操作器输出的特征序列，全局平均池化操作层对时间域和空间域进行平均池化运算，输出Cout×1维的序列；最后经过全连接层，输出对60个动作类别预测的概率，取概率最高者作为对骨架网络序列的动作预测。

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西南交通大学，其通讯地址为：610031 四川省成都市金牛区二环路北一段111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。