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！

龙图腾网获悉大连理工大学申请的专利一种基于图卷积网络的肢体情感分类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：CN115909509B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310019906.7，技术领域涉及：G06V40/20；该发明授权一种基于图卷积网络的肢体情感分类方法是由丛禹塵;张津榕;冯林;王飞龙;刘胜蓝设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本一种基于图卷积网络的肢体情感分类方法在说明书摘要公布了：一种基于图卷积网络的肢体情感分类方法，属于机器学习分类领域，为了解决能够在类内方差大、类间方差小的用于肢体动作的情感分类的数据中有效提取时空特征信息的问题，并以此有效提取判别特征，要点是将目标对象的骨骼点动作数据转化第一矩阵；将所述第一矩阵输入通道拓扑图卷积模块，获取通道空间拓扑特征矩阵；将所述空间拓扑特征矩阵输入多尺度时间卷积模块，获取通道拓扑时空特征矩阵；将所述通道拓扑时空特征矩阵进行全局平均池化；将全局平均池化后的所述通道拓扑时空特征矩阵通过分类器分类，获取肢体情感分类，效果是有效提高了针对肢体动作的情感分类的精度。

本发明授权一种基于图卷积网络的肢体情感分类方法在权利要求书中公布了：1.一种基于图卷积网络的肢体情感分类方法，其特征在于，包括 S10.将目标对象的骨骼点动作数据转化第一矩阵，所述第一矩阵包括对象的骨骼点数量、骨骼点数据的特征维数以及骨骼点数据的帧数； S20.将所述第一矩阵输入通道拓扑图卷积模块，获取通道空间拓扑特征矩阵； S30.将所述空间拓扑特征矩阵输入多尺度时间卷积模块，获取通道拓扑时空特征矩阵； S40.将所述通道拓扑时空特征矩阵进行全局平均池化； S50.将全局平均池化后的所述通道拓扑时空特征矩阵通过分类器分类，获取肢体情感分类； 所述第一矩阵是的矩阵，表示对象的骨骼点数量，表示骨骼点数据的特征维数，表示获取的骨骼点数据的帧数，在初始状态下； 其中，所述通道拓扑图卷积模块基于如下方式获取通道空间拓扑特征矩阵： S201.构造骨骼点之间的第一邻接矩阵； S202.通过特征细化函数将所述第一矩阵进行第一特征维度细化，获取高阶特征矩阵，由公式1表示： 1 其中，表示可优化的权重矩阵，表示第一特征维度细化后的骨骼点数据的特征维数； S203.通过不同的线性变化函数、将所述第一矩阵进行时间维度压缩、第二特征维度细化，分别获取第二矩阵、第三矩阵，由公式2-3表示： 2 3 其中，表示可优化的权重矩阵，函数表示沿时间维度取平均值，表示第二特征维度细化后的骨骼点数据的特征维数； S204.获取所述第一矩阵每个通道的第二邻接矩阵，通过通道拓扑函数获取每个通道的第二邻接矩阵，由公式4表示： 4 其中，通道拓扑函数中采用的减法为广播减，表示激活函数，表示可优化的权重矩阵； S205.通过融合函数将所述第一邻接矩阵及包含了各个通道拓扑关系的所述第二邻接矩阵融合，获取同时拥有通道内部拓扑特征信息和共享拓扑特征信息的通道拓扑邻接矩阵，由公式5表示： 5 其中，融合函数中的加法为广播加，表示可优化的标量； S206.通过融合函数将所述高阶特征矩阵与所述通道拓扑邻接矩阵融合，获取通道拓扑特征矩阵，由公式6表示： 6 其中，表示将矩阵在特征维度上串联，表示从的中切片出的第个的通道拓扑邻接矩阵，表示从的中切片出的第个的高阶特征矩阵； S207.重复步骤S201~S207三次，获取三个通道拓扑特征矩阵、和，通过融合函数将通道拓扑特征矩阵、和融合，获取通道空间拓扑特征矩阵，由公式7表示： 7 其中，表示激活函数。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路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。