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！

龙图腾网获悉华中科技大学申请的专利一种小样本条件下的三维人体行为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：CN115188068B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202210661698.6，技术领域涉及：G06V40/20；该发明授权一种小样本条件下的三维人体行为识别方法是由佟星宇;肖阳;曹治国;吴存霖;谭波;姜昌龙;布清文设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种小样本条件下的三维人体行为识别方法在说明书摘要公布了：本发明公开了一种小样本条件下的三维人体行为识别方法，属于数字图像处理和机器学习的交叉技术领域。本发明利用基类特征向量的统计分布信息与新类样本数据在特征空间中的余弦相似度指导新类与基类进行特征分布校准；利用多维高斯采样对分布校准后的新类样本进行采样，解决小样本三维人体行为识别训练样本少导致的过拟合问题；本发明利用短片段小体素3DV提取有效的保留了更多行为细粒度信息；同时引入视觉Transformer，利用其全局感受野和注意力机制进行时序特征融合，使网络能关注到最具区分度的人体行为片段，减少无效行为片段干扰，进一步提升了原始三维动态体素算法的特征提取能力，提高了网络对于相似动作的区分能力。

本发明授权一种小样本条件下的三维人体行为识别方法在权利要求书中公布了：1.一种小样本条件下的三维人体行为识别方法，其特征在于，包括： S1.从行为视频中提取多个包含局部时序特征的小尺度短片段三维动态体素； S2.将三维动态体素作为训练集，对人体行为特征提取网络进行训练；其中，所述人体行为特征提取网络包括：PointNet++特征提取网络、Transformer编码器和多层感知机分类器；PointNet++特征提取网络，用于将多个短片段三维动态体素分别编码成特征向量；Transformer编码器，用于计算可学习的类别特征与各个特征向量之间的相似度，根据相似度对各个短片段进行加权求和，得到进一步编码后的行为特征；多层感知机分类器，用于根据进一步编码后的行为特征输出行为分类结果； S3.利用训练好的特征提取网络提取基类和新类中所有样本的特征向量，并且计算基类中每个类别的统计分布信息；并利用基类特征向量的统计分布信息与新类样本数据在特征空间中的余弦相似度指导新类与基类进行特征分布校准； S4.使用多维高斯采样，以校准后的均值和协方差矩阵为参数对每个新类进行采样，利用采样出的特征向量训练分类网络，得到小样本分类器； S5.使用训练的特征提取网络提取测试样本的特征向量，将特征向量输入小样本分类器，输出该测试样本属于的新类类别； 步骤S3具体包括： 计算基类中的每个类别所有训练样本特征向量的均值和协方差矩阵： 其中，表示第i个基类的特征均值，表示第i个基类的协方差矩阵，表示第i个基类中样本的数量，表示第i个基类中j号样本的特征向量； 计算新类支撑集样本的特征与所有基类特征中心余弦相似度； 从大到小排列后舍去相似度低于设定值的不相似部分，在剩余的高相似度部分中选择相似度最高的类加入基类标准分布集合中； 对于相似度从高到低，相邻类别的相似度之比大于设置的峰旁比阈值，则将相邻的类别也加入到基类标准分布集合； 将相似度高于中最低相似度的k-means子类聚类中心加入子类标准分布集合中，并且保证中的类别子类中心不在中出现； 使用基类标准分布集合和子类标准分布集合校准新类分布的均值同时估计新类分布的协方差矩阵，校准后新类的分布中心和协方差矩阵为： 其中，表示集合中第个基类的特征均值；表示集合中第个k-means子类聚类中心；表示新类支撑集样本特征向量；和分别表示集合和中的元素数量；表示集合中第个基类的协方差矩阵；为超参数。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。