Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国矿业大学缪燕子获国家专利权

中国矿业大学缪燕子获国家专利权

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!

龙图腾网获悉中国矿业大学申请的专利一种基于多分支时空建模的人体姿态异常检测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:CN120599697B

龙图腾网通过国家知识产权局官网在2026-04-14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:202510711285.8,技术领域涉及:G06V40/20;该发明授权一种基于多分支时空建模的人体姿态异常检测方法是由缪燕子;王乙舟;蔡光琪;孙彦景;贺昌斌;胡千龙设计研发完成,并于2025-05-29向国家知识产权局提交的专利申请。

一种基于多分支时空建模的人体姿态异常检测方法在说明书摘要公布了:一种基于多分支时空建模的人体姿态异常检测方法,该方法首先设计多分支局部‑全局特征融合模块,通过构建针对身体各子区域的局部特征提取分支,对人体四肢、躯干等部位进行精细化姿态特征建模,并结合自适应加权机制实现局部特征与全局特征的动态融合,形成多层次特征表征体系,从而同步提升对突发性局部异常和全局姿态异常的检测精度;同时提出时序注意力增强模块,采用融合双向循环单元的时序注意力机制,通过并行整合前向与后向时序上下文信息,强化模型对长时间跨度姿态动态变化的建模能力,显著提高对持续性异常姿态的识别鲁棒性。本方法在局部突发异常和持续性异常检测任务上均表现出优越性能。

本发明授权一种基于多分支时空建模的人体姿态异常检测方法在权利要求书中公布了:1.一种基于多分支时空建模的人体姿态异常检测方法,其特征在于,包括以下步骤: S1:使用相机采集视频数据,并采用骨骼点提取网络从视频数据的视频序列中提取出骨骼点图数据,其中代表批处理样本数,代表视频帧数量,代表关键点数量,代表关键点坐标以及代表骨骼点连接关系的邻接矩阵,将提取的骨骼点图数据中代表骨骼点坐标的信息扩展一个维度得到骨骼点坐标信息,对于骨骼点图数据有17个关键点,新加入颈部关键点是左肩和右肩的中点,随后将骨骼点图数据进行激活归一化和通道置换,得到骨骼点数据; S2:对归一化和通道置换后的骨骼点数据进行空间分割得到代表上半身和下半身的关键点数据,针对上半身和下半身两组关键点集合分别构建空间图卷积网络,通过独立的图结构建模来捕捉上半身和下半身的局部空间特征,随后,将上半身和下半身的局部空间特征与针对骨骼点数据提取的全局空间特征进行加权融合,形成具有多层次空间表达能力的联合特征表示; S3:采用双向时序建模策略,对于双向循环单元,通过前向和后向循环神经网络分别计算骨骼点数据的时序依赖关系,从而得到包含长距离时间上下文信息的双向时序分数,对于注意力模块,在时间维度上并行使用局部一维卷积和全局时序池化操作,分别建立短时感受野和全局感受野,提取出局部异常模式和全局显著特征,以捕捉瞬时的异常姿态模式和整体运动趋势,最终,将双向时序分数、局部异常模式和全局显著特征进行融合,生成综合的注意力分数; S4:将步骤S3计算得到的注意力分数与步骤S2提取的联合特征表示进行加权融合得到最终用于计算异常分数的特征,增强关键时空特征的表达能力;随后,通过归一化流架构将步骤S3与S2加权融合后的特征映射到潜在空间得到更新后的位姿序列,并基于概率密度估计计算异常分数,若该分数超过预设的检测阈值,则判定当前输入骨骼点图数据中存在异常行为; 步骤S3的时序注意力生成方法具体步骤如下: S31:对于输入的骨骼点数据,通过一个全连接层对骨骼点数据进行维度变换,将其调整为中间表示,其中表示双向循环单元中的神经元单元数,这里的是双向循环神经网络中设定的隐藏单元数量,随后,针对每个独立的时间步,提取对应的特征切片,并将其分别输入到前向传播的GRU单元和后向传播的GRU单元中进行时序特征建模,这两个方向相反的循环神经网络分别捕捉了序列数据的时间上下文依赖关系,其中前向GRU处理从起始到当前时刻的历史信息,后向GRU则处理从末尾到当前时刻的未来信息,得到两个方向的隐藏信息;最后,通过融合这两个方向的隐藏信息,形成一个新的记忆信息,即: ,其中:表示第帧的记忆信息; 和分别为前向和后向的循环单元输出; S32:对于注意力计算模块,首先将骨骼点图数据升维,接着采用一维卷积在时间维度建立局部感受野,捕捉短时异常模式;同时使用最大池化提取时序上的全局显著特征,短时异常特征和全局显著特征经降维全连接层变换后融合,最终通过Sigmoid函数生成注意力权重,具体公式表示为: ,其中:是升维全连接层; 和表示降维全连接层; 指函数; 通过逐元素乘法融合记忆信息和注意力分数,并调整维度通过残差连接得到综合注意力分数,随后将综合注意力分数加权到骨骼点数据上得到骨骼注意力特征。

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中国矿业大学,其通讯地址为:221100 江苏省徐州市大学路1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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。