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！

龙图腾网获悉江西理工大学申请的专利一种基于多维特征激励网络的视频动作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：CN115862137B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202211583336.6，技术领域涉及：G06V40/20；该发明授权一种基于多维特征激励网络的视频动作识别方法是由于亚威;罗会兰;郭宇辰;曾振设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本一种基于多维特征激励网络的视频动作识别方法在说明书摘要公布了：本发明提供了一种基于多维特征激励网络的视频动作识别方法，涉及计算机视觉和图像领域。该多维特征激励网络方法包括3个部分：S1.通过运动补足激励模块建模时序运动特征，激发时间通道运动信息；S2.经过联合特征激励模块，通过空间信息注意力激励时序维和通道信息注意力激励时序维的操作，学习更好的时空特征表达；S3.融合运动补足激励模块和联合特征激励模块构建最终的多维度特征激励融合网络用于动作识别。该模型通过使用多维度特征激励融合网络可以有效地表达时空特征，获得更好的复杂度和分类准确率平衡，在HMDB51和UCF101数据集上的实验结果表明了本发明算法具有较高的识别准确率，值得大力推广。

本发明授权一种基于多维特征激励网络的视频动作识别方法在权利要求书中公布了：1.一种基于多维特征激励网络的视频动作识别方法，包括以下步骤： S1.首先将输入特征图输入到运动激励补足模块MSE，对输入特征图在时间维度进行分片，获得时间帧特征，然后在时间维度进行两级帧相减的操作来捕获运动信息，之后将得到的运动信息在时间维度拼接到一起，经过空间池化和sigmoid函数来获得运动注意力激励信息，最后将运动注意力激励信息与输入特征图相乘，完成时序运动特征的学习和增强，得到S1的特征图； S2.同理同时将输入特征图输入到联合特征激励模块UIE，对输入特征图分别进行空间信息注意力激励时序维和通道信息注意力激励时序维的操作，增强运动信息并抑制背景干扰，其中空间信息注意力激励时序维包括两个分支，其中一个分支使用了一个卷积核大小为3的1D时序卷积来学习短时运动信息；而另一个分支用于获得长时运动信息，长时运动信息分支首先将输入特征图经过卷积核大小为3的1D时序卷积学习短时运动信息，然后使用一个卷积核大小为T的1D时序卷积实现时序维度的池化，学习全局时序信息，包含全局时序信息的特征在进行通道维的softmax后，与短时运动信息进行矩阵相乘，获得通道信息池化后的特征图，将通道信息池化后的特征图通过一个3×3卷积进一步学习空间信息后，经过sigmoid函数激活得到空间注意力； 在通道信息注意力激励时序维中，同样包括两个分支，其中一个分支使用卷积核大小为3的1D时序卷积和Reshape操作建模短距离时空特征，另一个分支在卷积核大小为3的1D时序卷积之后，再使用卷积核大小为T的1D时序卷积对时间维度进行池化，reshape之后获得全局时空特征；然后将全局时空特征通过空间维的softmax之后与短距离时空特征进行矩阵相乘，使得空间信息融入到通道和时间维度中，在不损失空间特征的情况下学习通道注意力； 在获得长短时运动信息激励的空间注意力和长短时运动信息激励的通道注意力后，联合特征激励模块将它们相乘，获得基于注意力的多维特征激励信息，得到S2的特征图； S3.然后将S1和S2得到的特征图进行并联操作，在并联后的模块前后分别添加1×1卷积来构建多维特征激励残差块MFAR，最后由多组不同分辨率的多维特征激励残差块和分类模块组成多维特征激励网络MFARs，对其训练得到最终的分类结果。

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西理工大学，其通讯地址为：341000 江西省赣州市客家大道1958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。