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！

龙图腾网获悉合肥工业大学申请的专利用于骨骼动作隐私保护的不可学习样本生成方法、隐私保护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：CN121188841B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511736973.6，技术领域涉及：G06F21/62；该发明授权用于骨骼动作隐私保护的不可学习样本生成方法、隐私保护方法是由仲旭阳;王立鹏;姜凯超;陆智远;杨康;刁云峰设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本用于骨骼动作隐私保护的不可学习样本生成方法、隐私保护方法在说明书摘要公布了：本发明公开了用于骨骼动作隐私保护的不可学习样本生成方法、隐私保护方法，涉及计算机视觉和隐私计算领域。获取骨骼数据；根据骨骼数据进行噪声初始化；对骨骼数据进行拓扑关系提取；将生成的噪声数据和提取的拓扑关系进行对齐，得到对齐后的噪声数据；对对齐后的噪声数据进行约束优化；将约束优化后的噪声数据与骨骼数据相加，生成不可学习样本；利用不可学习样本训练骨骼动作识别模型，从而实现骨骼数据的隐私保护。本发明所设计的噪声生成算法使噪声数据与原始骨骼数据的拓扑结构保持一致，解决了传统方法在骨骼数据上性能不稳定的问题，为防止第三方滥用骨骼数据进行模型训练提供了有效支撑。

本发明授权用于骨骼动作隐私保护的不可学习样本生成方法、隐私保护方法在权利要求书中公布了：1.用于骨骼动作隐私保护的不可学习样本生成方法，其特征在于，包括以下步骤： S1，获取骨骼数据； S2，左、右分支分别进行处理：左分支根据骨骼数据进行噪声初始化；右分支对骨骼数据进行拓扑关系提取； S3，将左分支生成的噪声数据和右分支提取的拓扑关系进行对齐，得到对齐后的噪声数据； S4，对步骤S3对齐后的噪声数据进行约束优化； S5，将步骤S4约束优化后的噪声数据与骨骼数据相加，生成不可学习样本； 步骤S1中，每一个骨骼动作类别对应一个骨骼数据集，每个骨骼数据集中包含若干个骨骼数据；骨骼数据由骨骼动作序列构成，格式为；其中， C为关节点的坐标通道数，包括三个通道，用于描述关节点的位置信息； T为时间帧数量，即骨骼动作序列的时间长度； V为关节点数量； M为骨骼实例数，即人物数量； 步骤S2中，左分支根据骨骼数据进行噪声初始化，具体如下所示： 计算噪声数据的时序维度和关节维度，计算方式为： ； ； 其中，表示下取整，pt，pv分别为时间补丁大小和关节补丁大小； 通过正态分布生成噪声集，每一个骨骼动作类别对应生成一个噪声集，n为噪声集D中的样本数量即噪声数量； 从[-1,1]中均匀采样随机数构建随机矩阵A，用于在噪声集D中添加协方差，得到添加协方差后的噪声集，添加方式为： ； 通过在噪声集的每一行添加噪声集的聚类中心c，将噪声集映射到超立方体顶点，确保每个噪声在合理范围内且不同噪声集之间具有线性可分性，得到映射后的噪声集，映射方式为： ； 步骤S2中，右分支对骨骼数据进行拓扑关系提取，具体如下所示： 针对骨骼数据，计算关节间的余弦相似度，量化骨骼运动的拓扑关联性，计算方式为： ； 其中，和表示关节点的索引；为关节点的坐标通道数，包括三个通道；和表示关节点和在第个坐标通道的值；表示关节点和之间的余弦相似度即相关性值； 根据关节间的余弦相似度构建相关性矩阵； 步骤S3具体如下所示： S31，将噪声复制M次，调整噪声数据的维度为，对齐骨骼数据的骨骼实例数； S32，将噪声的每个时序复制次，调整噪声数据的维度为，使噪声连续的帧赋予相同的噪声值，对齐骨骼数据的时间帧数量； S33，根据相关性矩阵，将关节点按照相关性进行分组，分为个关联关节组，将噪声注入关联关节组，调整噪声数据的维度为，每个关联关节组内的关节点赋予相同的噪声值，对齐骨骼数据的关节点数量。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。