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！

龙图腾网获悉南通大学申请的专利一种基于对比学习的多模态环境下通用人类活动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：CN119046792B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411128411.9，技术领域涉及：G06F18/2415；该发明授权一种基于对比学习的多模态环境下通用人类活动识别方法是由万杰;曹明明;顾翔设计研发完成，并于2024-08-16向国家知识产权局提交的专利申请。

本一种基于对比学习的多模态环境下通用人类活动识别方法在说明书摘要公布了：本发明提供了一种基于对比学习的多模态环境下通用人类活动识别方法，属于深度学习技术领域。解决了在测试域数据无法访问时模型的泛化性能的技术问题。其技术方案为：包括以下步骤：S1、时域和频域的数据增强；S2、多模态特征融合；S3、对比学习。本发明的有益效果为：在提升对未知数据域泛化能力的同时，提高了活动识别的准确率。

本发明授权一种基于对比学习的多模态环境下通用人类活动识别方法在权利要求书中公布了：1.一种基于对比学习的多模态环境下通用人类活动识别方法，其特征在于，包括以下步骤：S1、时域和频域的数据增强，从时域和频域两个角度进行数据增强；时域的数据增强方式包括旋转、排列、时间扭曲、缩放、抖动和随机抽样；频域部分通过操纵频率域的各部分来扰动时间序列数据的频谱；所述步骤S1包括以下步骤：首先对原始时间序列数据使用合适窗口大小和重叠大小将其分为若干个样本，接着对其进行相应的数据增强；时域的增强技术有旋转、排列、时间扭曲、缩放、抖动和随机抽样；旋转操作改变时间序列数据在时间轴上的位置，从而提供不同的时间观察视角，有助于模型学习到不同时间段内的特征，增加模型对时间序列数据的泛化能力：x'r＝Rx1x'r表示经过旋转变换后得到的结果向量，其中R为作用于向量x的线性变换矩阵；排列操作通过重新排列时间序列数据的元素顺序来提供一种新的数据组织方式，从而帮助模型发现数据中的不同模式和结构，并提高模型对不同数据排列的适应性：x'p＝xπ1,xπ2,...xπn2x'p表示经过排列变换后得到的结果向量，xπn表示根据排列函数π从向量x中选取的第n个元素；时间扭曲操作改变了时间序列数据中数据点之间的时间间隔，加速或减慢时间序列数据的采样率，有助于模型在不同时间尺度下进行学习：x′tw＝xf1,xf2...xfn3x′tw表示经过时间扭曲变换后得到的结果向量，xfn表示将函数f应用于向量x后得到的结果中的第n个元素；缩放操作通过改变时间序列数据的振幅或范围来增加或减小数据的幅度，从而使模型适应不同的数据范围：x's＝c1x1,c2x2...cnxn4x's表示经过缩放变换后得到的结果向量，cn是用于缩放向量x元素的常数；抖动操作向时间序列数据中添加随机噪声，模拟数据中的不确定性和随机性，从而帮助模型更好地理解数据的真实性质，并增加模型对数据噪声的鲁棒性：x'j＝x1+ε1,x2+ε2...xn+εn5x'j表示经过抖动变换后得到的结果向量，εn表示第n个元素添加的随机噪声；随机抽样通过随机选择时间序列数据中的子序列或数据点来创建新的样本，有助于在训练过程中引入更多的变化和多样性，从而提高模型的鲁棒性和泛化能力，减少过拟合的风险：x'rs＝xi1,xi2...xim6x'rs表示经过随机抽样变换后得到的结果向量，xim表示从向量x中选择的第m个元素，其中im表示所选元素的索引；为了在频域对时间序列进行增强，将时间序列信号通过傅里叶变换转换到频域： 其中u和v是索引，H和W分别是高度和宽度；使用相位偏移技术来调整频谱的相位，原始数根据固定周期分段，通过适当的相位偏移调整样本的起止时间，有助于更深入地理解每个活动阶段： 其中Rx和Ix分别表示Fx的实部和虚部；φoffset是相位偏移；在频率域中，频率表示周期性，而振幅表示活动的强度，通过增加和减少这些参数来增加数据分布，如方程9、方程10所示： 其中，参数α、β、γ用于调整幅度和频率；由于时间序列在频域的小扰动会对时域的时间模式产生重大影响，为了确保扰动操作后的时间序列在时域上与原始样本保持相似，引入了一个参数μ来控制频率扰动，它表示被操纵的频率分量的数量；S2、多模态特征融合：考虑到多传感器采集数据的高维性和多模态特征，先利用卷积神经子网络分别提取各模态的特征；接着引入注意力机制，利用可学习的权重参数自适应的融合这些特征；S3、对比学习：利用对比学习通过将同类别样本在特征空间中聚集、非同类别样本分散来优化特征表示，使得同类别样本之间的相似性显著，不同类别样本之间的差异明确。

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通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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”。