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！

龙图腾网获悉山东大学申请的专利基于骨骼轨迹与图卷积的人机编组意图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：CN120708269B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510235303.X，技术领域涉及：G06V40/20；该发明授权基于骨骼轨迹与图卷积的人机编组意图识别方法及系统是由柴汇;陈美颐;宋锐;刘建利;彭诺丹;文建昌设计研发完成，并于2025-02-28向国家知识产权局提交的专利申请。

本基于骨骼轨迹与图卷积的人机编组意图识别方法及系统在说明书摘要公布了：本发明提出了基于骨骼轨迹与图卷积的人机编组意图识别方法及系统，包括：获取人机编组场景下的实时人员行为视频流数据；从实时人员行为视频流数据中提取人体骨骼序列信息，构建人员骨架时空特征序列图；利用层级化图卷积网络对人员骨架时空特征序列图进行关节‑肢体‑行为三级特征编码，输出预测的人员行为意图。

本发明授权基于骨骼轨迹与图卷积的人机编组意图识别方法及系统在权利要求书中公布了：1.基于骨骼轨迹与图卷积的人机编组意图识别方法，其特征是，包括： 获取人机编组场景下的实时人员活动视频流数据； 从实时人员活动视频流数据中提取人体骨骼序列信息，生成人员2D骨架序列图；具体的： 采用轻量化MobileNetV1作为骨干网络，替代传统OpenPose中的VGG网络，以降低特征提取的计算复杂度；在此基础上，进一步实施模型部署优化：对该轻量化模型进行训练，获得PyTorch框架下的权重文件；随后，对该PyTorch模型进行结构化量化处理，并通过ONNX中间格式转换为TensorRT推理引擎；最终，将该推理引擎部署于NVIDIAJetsonAGXOrin嵌入式平台，对实时视频流进行特征图提取与骨架生成；在训练过程中，分为初始化阶段和精细化阶段； 在初始化阶段，使用获得的TensorRT模型文件进行实时人体姿态估计，通过TensorRT引擎加速推理过程，显著提升推理速度和效率；具体而言，模型首先通过关键点预测分支生成初步估计的关键点热图：该分支利用卷积层对特征图进行优化，使得每个骨骼点的概率值集中在其对应区域，并通过Softmax激活函数形成关键点的概率分布，从而定位关键部位；与此同时，模型通过部分关联场预测分支同步生成描述关节点间空间连接关系的向量场：此分支采用卷积层高效捕捉关节点之间的方向与关联强度，为后续骨骼点连线提供空间依赖关系依据； 在精细化阶段，模型对初步生成的关键点热图与PAFs进行迭代优化，通过多尺度特征融合与置信度加权，消除冗余检测并修正误匹配的关节点连接；最终，结合优化后的热图与PAFs，模型通过匈牙利算法实现关节点的全局最优匹配，组装成完整且精确的2D人体骨架序列图，为后续行为意图识别提供高精度数据支撑； 利用图卷积网络模型对人员2D骨架序列图进行运算处理，输出预测的人员活动意图，具体包括： 对人员2D骨架序列图进行批量归一化处理，获得归一化处理的标准数据； 对归一化处理的标准数据使用时空图卷积操作在骨骼姿态空间和时间维度上来提取高层的特征； 针对提取高层的特征通过调用全局平均池化层、全连接层后，使用Softmax分类器得到对应的动作分类； 所述时空图卷积网络模型包括：ST-GCN单元；ST-GCN单元交替使用GCN图卷积网络、空间拓展模块SEM、TCN时间卷积网络和通道注意力模块SENet，同时从空间和时间维度提取特征； 所述空间拓展模块SEM中的卷积操作不仅处理节点间的局部关系，还通过对骨架图进行扩展，捕捉远程节点的相互作用，用于增强模型对骨骼点之间远程依赖关系的捕捉能力，具体的：对于每个骨架节点，其特征由相邻节点和第一非相邻节点的信息共同决定，公式表示为： 其中，和是节点和的输入特征，和是连接权重，表示节点的邻接节点集；通过这种方式，空间拓展模块能够在空间维度上捕捉到骨骼点之间的全局信息，从而改善了传统方法仅局部依赖的限制； 为了进一步优化空间拓展模块的特征提取能力，设计了骨骼点分配权重机制来调整每个节点在计算过程中的影响力；该权重机制通过计算节点之间的距离来动态分配权重，其公式为： 其中，表示节点和非相邻节点之间的权重，为节点和之间的距离，为距离的中心值，为控制权重分布的超参数； 所述SENet作为通道注意力机制通过自适应学习每个通道的重要性，强化模型对关键信息的关注，忽略无关特征；具体而言，SENet通过全局平均池化GAP对每个通道进行压缩，将每个通道的特征图通过池化操作生成一个全局描述；通过第一个全连接层对全局描述符进行降维，并应用ReLU激活函数；通过第二个全连接层恢复通道维度，并应用Sigmoid函数生成注意力权重；将注意力权重与原始特征图逐通道相乘，得到优化后的特征图。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。