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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多任务分类网络的新生儿肢体动作监控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：CN116486320B 。

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：202310117833.5，技术领域涉及：G06V20/52；该发明授权一种基于多任务分类网络的新生儿肢体动作监控方法是由王天磊;於汉杰;曹九稳;林鹏;徐方勇设计研发完成，并于2023-02-15向国家知识产权局提交的专利申请。

本一种基于多任务分类网络的新生儿肢体动作监控方法在说明书摘要公布了：本发明公开了一种基于多任务分类网络的新生儿肢体动作监控方法。本发明包括主任务和辅助任务；其中主任务主要是对新生儿四肢、头部进行运动检测，通过分类网络对四肢和头部五个类别进行多标签分类任务；辅助任务主针对新生儿静止、单肢体运动和多肢体运动三种运动状态进行的多分类任务。本发明相比于传统基于传感器和人工临床巡检的监测方法，本发明可以与新生儿零接触的基础上辅助临床医生进行新生儿肢体实时监测分析。采用联合分类任务和多标签分类任务特征共享限制新生儿无意识细微动作识别中的模糊性，提高肢体动作识别准确率。采用多标签硬编码的方式对婴幼儿肢体运动视频样本进行标签标记，能更好地对婴儿无意识的肢体运动进行建模。

本发明授权一种基于多任务分类网络的新生儿肢体动作监控方法在权利要求书中公布了：1.一种基于多任务分类网络的新生儿肢体动作监控方法，其特征在于该方法包括主任务和辅助任务；其中主任务是对新生儿四肢、头部进行运动检测，通过分类网络对四肢和头部五个类别进行多标签分类任务；辅助任务针对新生儿静止、单肢体运动和多肢体运动三种运动状态进行的多分类任务，具体实现包括如下步骤： 步骤1：新生儿视频数据集处理 首先，将新生儿监控视频按照肢体动作类别进行裁减，得到若干包含新生儿肢体运动的视频片段；根据视频片段中新生儿肢体运动情况判断是否含有四肢和头部对应的运动，有序排列[头部，左手，右手，左腿，右腿]作为主任务的多标签分类标签；根据肢体运动数量划分成三种类别，分别是无肢体运动、单肢体运动和多肢体运动三个类别作为辅助分类任务的标签，一个视频片段只对应一个肢体运动数量分类标签； 步骤2：针对H×W×T的视频帧数据，选择3D卷积残差神经网络作为主干网络构建特征提取网络提取空间和时间特征，采用硬参数共享的方式在两个任务之间共享隐藏层来应用，同时保留特定于辅助任务的肢体运动数量分类网络输出层和特定于主任务肢体运动多标签分类网络输出层，联合主任务和辅助任务的交叉熵损失函数共同训练网络模型； 步骤2具体操作如下： 2-1、选择3D卷积残差神经网络作为主干网络，其由若干个3D残差卷积块组成，能够从视频数据中提取空间和时间特征以进行动作识别并且通过残差网络将底层特征和高级特征融合在一块防止网络退化问题； 2-2、对于肢体运动数量分类的辅助任务分支，由全局平均池化、全连接层和softmax层组成； 2-3、对于肢体运动多标签分类的主任务分支，通过3D卷积残差块提取更高层次的共享知识和逐步分离任务相关参数使联合表示学习和共享更加高效和灵活，同时在最后一层插入一个sigmoid函数； 2-4、采用多任务学习机制进行训练，模型应用硬参数共享机制，即两个任务输出层之前的网络层共享参数，只有输出层对应各自的网络参数；由于辅助分类任务对应交叉熵损失函数，多标签分类主任务对应的二元交叉熵损失函数，因此所用的损失函数Ltotal为交叉熵损失函数和二元交叉熵损失函数的加权叠加； 步骤3：将若干个短视频片段等间距裁剪成视频帧数据，并将每帧图像大小调整为H×W；将视频帧数据调整成对应尺寸符合网络输入的需求后，送入网络并训练模型，最终得到四肢和头部分别是否运动来实现辅助监护的功能。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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。