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！

龙图腾网获悉南京理工大学申请的专利一种骨骼动作识别模型半监督学习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：CN115880768B 。

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：202211398752.9，技术领域涉及：G06V40/20；该发明授权一种骨骼动作识别模型半监督学习方法是由舒祥波;曹美琦;徐斌倩;谢国森设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种骨骼动作识别模型半监督学习方法在说明书摘要公布了：本发明公开了一种骨骼动作识别模型半监督学习方法，提出了一种新的金字塔自注意力聚合学习PSPL框架，通过对比学习来学习涵盖从粗到细粒度信息的更全面的动作表示。在PSPL中，引入金字塔聚合注意力PPA，从身体‑部位‑关节三个级别聚合身体级别注意力图、部位级别注意力图和关节级别注意力图，从粗粒度到细粒度补充骨骼动作的语义信息；其次，通过粗到细粒度对比损失CCL来衡量关节与运动模态之间身体部位关节级别对比特征的相似性。

本发明授权一种骨骼动作识别模型半监督学习方法在权利要求书中公布了：1.一种骨骼动作识别模型半监督学习方法，其特征在于，包括： 步骤1：获取骨架序列动作的训练数据集，包括标记的关节模态数据和运动模态数据，以及无标记的关节模态数据和运动模态数据； 步骤2：将训练数据输入编码器模块，得到相应的关节特征和运动特征； 步骤3：将步骤2得到的无标记数据对应的关节特征和运动特征分别输入骨架金字塔结构模块，进行不同粒度的划分，得到关节模态和运动模态分别对应的身体级别特征、部位级别特征和关节级别特征； 步骤4：将步骤3得到的三级特征分别输入金字塔聚合注意力模块，首先由自注意力机制分别算出身体级别注意力图、部位级别注意力图和关节级别注意力图，再通过聚合身体到部位到关节级别的注意力图，得到关节模态和运动模态分别对应的身体级别聚合特征、部位级别聚合特征和关节级别聚合特征； 步骤5：将步骤4得到的三级聚合特征分别输入粗粒度到细粒度对比损失模块，首先经过池化和多层感知机得到关节模态和运动模态分别对应的身体级别对比特征、部位级别对比特征和关节级别对比特征，再通过计算身体级别对比损失、部位级别对比损失和关节级别对比损失来分别衡量不同模态间对应级别对比特征的相似性； 步骤6：将步骤2得到的标记数据对应的关节特征和运动特征分别输入一个包括平均池化、一层完全连接层和softmax层的非线性识别层，来获得动作表示，通过识别损失来进行模型训练； 步骤7：将步骤5的对比损失和步骤6的识别损失进行整合，作为训练目标来优化模型； 所述步骤3中，身体上的N个关节级别节点在空间上被聚类为P个部位级别节点，P个部位级别节点进一步在空间上被聚类为B个身体级别节点；关节特征被划分为身体级别特征、部位级别特征和关节级别特征，运动特征被划分为身体级别特征、部位级别特征和关节级别特征； 所述步骤4中，首先将身体级别特征通过线性投影层映射得到查询特征Q、关键特征K和值特征V，身体级别注意力图，其中，上标H表示转秩，T为帧数，为多头注意力中每个头的通道数；采用同样方法得到部位级别注意力图和关节级别注意力图； 所述步骤4中，使用身体级别注意力图来计算身体级别聚合特征，其中是激活函数，是由含有BN函数的线性层组成的前馈网络； 聚合从身体级别到部位级别的语义信息： 将填充为： 其中，表示身体级注意力图中坐标为m,n的参数，表示部位级别节点与身体级别节点的隶属关系，为表示转换维度之后的注意力图中坐标为i,j的参数； 然后结合和，得到部位级别聚合特征： 其中，是控制权重的超参数，为聚合身体级注意力图之后的部位级注意力图； 聚合从部位级别到关节级别以及从身体级别到关节级别的语义信息： 首先根据关节级别节点与部位级别节点或身体级别节点的隶属关系填充得到和；然后结合、，得到关节级别聚合特征： 其中，是控制权重的超参数，是控制权重的超参数，为聚合身体级注意力图和部位级注意力图之后的关节级注意力图。

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南京理工大学，其通讯地址为：210000 江苏省南京市玄武区孝陵卫街道孝陵卫街200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。