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！

龙图腾网获悉江苏省体育科学研究所申请的专利一种面向拳击场景的数据精细化与拳击动作识别方法及系统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：CN119992662B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510154566.8，技术领域涉及：G06V40/20；该发明授权一种面向拳击场景的数据精细化与拳击动作识别方法及系统是由朱那;吴翠娥;鹿琦;曹佩江;陈伟;许怡林;王聪;陈江;周忠岩;郭永安;张申设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本一种面向拳击场景的数据精细化与拳击动作识别方法及系统在说明书摘要公布了：本发明公开了一种面向拳击场景的数据精细化与拳击动作识别方法及系统，属于数据挖掘技术领域；包括：采集拳击手多骨骼点时间序列数据；对时间序列数据进行异常和缺失检测；对检测的异常和缺失时间序列数据进行处理；构建基于LSTM与TCN网络的拳击动作识别模型，将处理后的时间序列数据输入至拳击动作识别模型，实现拳击动作识别任务。本发明通过把模糊C均值聚类算法和投影近似点算法结合使用，重构出逼近真实人体骨骼运动数据，通过对整个人体骨架包括多个骨骼点的运动信息进行综合分析，实现对拳击动作的精确识别和分类，提高动作识别的精准度。

本发明授权一种面向拳击场景的数据精细化与拳击动作识别方法及系统在权利要求书中公布了：1.一种面向拳击场景的数据精细化与拳击动作识别方法，其特征在于：该方法包括以下步骤： 步骤S1：采集拳击手多骨骼点时间序列数据； 步骤S1‑1：拳台周围布置四台摄像机，采用摄像机获取实时视频流； 步骤S1‑2：采用OpenPose深度学习算法获取视频流中对应的多骨骼点二维坐标序列； 步骤S1‑3：通过针孔成像原理，实现成像平面上二维坐标到空间上三维坐标的投影，得到多骨骼点三维坐标； 对于第i个摄像机，得到三维坐标点Pi Xw ,Yw ,Zw与该点在某个摄像机中成像的二维平面坐标的映射关系： ； 其中，；ui,vi为P在第i个摄像机成像平面的二维坐标，zc为比例系数，fx和fy分别为相机的横向焦距和纵向焦距；u0，v0为相机光轴与成像平面交点的像素坐标，Mi为从世界坐标系到摄像机i坐标系的外参矩阵； 步骤S1‑4：将多骨骼点三维坐标转为时间序列数据； 将映射关系在四台摄像机上使用，四台摄像机发出的射线交于一点，即； 由于数据存在噪声，使得射线出现偏离，导致多条射线不交于一点，因此需要估算空间上关节点P的空间位置；考虑射线之间的距离，设定球形区域，球的半径为射线之间最短距离的10倍，动点在球形区域移动；结合OpenPose置信度参数将空间中到达多条射线距离和最小的空间点作为多条射线的交点，这个空间点作为关节点P的空间位置； 步骤S2：对时间序列数据进行异常和缺失检测； 步骤S3：对检测的异常和缺失时间序列数据进行处理； 步骤S4：构建基于LSTM与TCN网络的拳击动作识别模型，并进行训练； 步骤S5：将处理后的时间序列数据输入至拳击动作识别模型，实现拳击动作识别任务； 所述步骤S5中将处理后的时间序列数据输入至拳击动作识别模型，实现拳击动作识别任务，具体为： 步骤S5‑1：将处理的好时间序列数据按照8:2的比例拆分为训练集和测试集，并将时间序列数据进行归一化处理，将训练集输入至动作识别模型中； 步骤S5‑2：当时间序列长度T大于变量个数3K时，输入至长短时记忆模块LSTM，数据集维度为，其中，N为数据集中的样本数量，T为每个样本的时间序列长度，K为骨骼点个数； 步骤S5‑3：通过时域卷积网络TCN的一维卷积块获取时间序列数据局部特征，随后，通过批归一化调整每个批次数据的均值和标准差使得时间序列数据分布更加稳定； 步骤S5‑4：通过ReLU激活函数引入非线性，动作识别模型学习数据中的复杂模式和关系；输出的序列局部特征通过多头注意力机制，获取特征间的长程依赖关系，捕获全局上下文； 步骤S5‑5：双支路输出的特征通过concat聚合，并通过softmax将输入向量转换为每个类的概率分布，达到序列分类的效果； 步骤S5‑6：采用Adam优化器，交叉熵损失函数反向传播整个网络。

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苏省体育科学研究所，其通讯地址为：210033 江苏省南京市仙林大道169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。