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！

龙图腾网获悉福州大学申请的专利基于时空信息和光流提取的双模态异常骨骼数据修正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：CN115619680B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202211374668.3，技术领域涉及：G06T5/77；该发明授权基于时空信息和光流提取的双模态异常骨骼数据修正方法是由柯逍;许煌标;林晓锋设计研发完成，并于2022-11-04向国家知识产权局提交的专利申请。

本基于时空信息和光流提取的双模态异常骨骼数据修正方法在说明书摘要公布了：本发明涉及一种基于时空信息和光流提取的双模态异常骨骼数据修正方法，包括以下步骤：S1:获取人体运动视频数据集并预处理，得到训练数据集，并基于训练数据集训练基于计算机视觉的人体姿态估计器；S2:根据训练后的人体姿态估计器对输入的视频序列生成每个视频帧的初始姿态，并对初始姿态进行异常检测；S3:分别从异常帧前后寻找最近可信前序帧和最近可信后序帧，提取最近可信前后序帧间连续序列的光流信息；S4：根据获得的光流信息，分别按时间顺序进行前向光流修正和逆向前向光流修正，结合双向修正结果，预测并修正异常骨骼数据。本发明能够有效地对视频中的人体异常骨骼数据进行检测，最终预测并修正异常骨骼数据，提高骨骼数据的准确度。

本发明授权基于时空信息和光流提取的双模态异常骨骼数据修正方法在权利要求书中公布了：1.一种基于时空信息和光流提取的双模态异常骨骼数据修正方法，其特征在于，包括以下步骤： 步骤S1：获取人体运动视频数据集并预处理，得到训练数据集，并基于训练数据集训练基于计算机视觉的人体姿态估计器； 步骤S2：根据训练后的人体姿态估计器对输入的视频序列生成每个视频帧的初始姿态，并对初始姿态进行异常检测,若检测到异常帧，则进行步骤S3； 步骤S3：分别从异常帧前后寻找最近可信前序帧和最近可信后序帧，提取最近可信前后序帧间连续序列的光流信息； 步骤S4：根据获得的光流信息，分别按时间顺序进行前向光流修正和逆向前向光流修正，结合双向修正结果，预测并修正异常骨骼数据； 所述步骤S2具体为：对输入的一个视频序列Iv，其中包含N帧，第t帧记为It,t＝1,2,…,N；首先，对输入视频序列的每帧It,t＝1,2,…,N训练得到的基于计算机视觉的人体姿态估计器生成视频序列的初始姿态，得到EIt,It,t＝1,2,…,N，然后对生成的初始姿态EIt,It,t＝1,2,…,N进行异常检测，得到第It帧的异常骨骼点数据集合At，表示如下： 其中，Iv表示输入的视频序列，It表示视频序列的第t帧，N表示视频序列共分为N帧，E·表示人体姿态估计操作，D·表示异常检测操作，At表示检测出来的帧It中的异常骨骼数据集合，表示视频帧It中第k个异常骨骼点的数据，H,W分别为视频帧图像的高和宽； 使用人体姿态估计器生成初始姿态，具体如下：将输入的视频序列Iv分成多个帧并进行逐帧处理，对于一个帧图像It,t＝1,2,…,N，用训练好的基于计算机视觉的人体姿态估计器检测出人体的初始姿态EIt,It,t＝1,2,…,N，包括第It帧中第ii＝1,2,…,17个骨骼点的位置信息及其置信度 所述异常检测，具体为：对生成的初始姿态EIt,t＝1,2,…,N进行异常检测，将帧It中置信度低于λ的骨骼点、帧It中与前一帧It-1或后一帧It+1欧式距离大于D的骨骼点统一定义为异常骨骼点，则异常骨骼点k的位置信息即为异常骨骼点k的数据用Ri表示第t帧It中骨骼点i的情况，Ri为0表示骨骼点i为异常骨骼点，Ri表示为1表示骨骼点i为正常骨骼点，表示如下： 其中，表示第It帧中第ii＝1,2,…,17个骨骼点的置信度，λ、D为常数，表示第It帧中第ii＝1,2,…,17个骨骼点位置的横纵坐标； 所述步骤S3具体为： 步骤S31：将含有异常骨骼数据的帧称为异常帧Ia，在异常帧的前向上逐帧进行异常检测，找到针对该异常帧的特定异常骨骼数据的最近可信前序帧Ifront，在异常帧的后向上同样逐帧进行步骤S23所述的异常检测，找到针对该异常帧的特定异常骨骼数据的最近可信后序帧Iback； 步骤S32：使用基于FlowFormer的光流识别算法提取最近可信前后序帧间连续序列的光流信息，由此得到最近可信前后序帧间连续序列间的正向光流信息和逆向光流信息 所述前向光流修正，具体为： 对于前向序列中视频帧Itf中与异常帧It中第k个异常骨骼点相对应的骨骼点数据根据正向光流信息计算出下一个视频帧Itf+1中与异常帧It中第k个异常骨骼点相对应的骨骼点数据依序执行至异常帧处的异常骨骼数据修正完毕，表示如下： 其中，表示视频帧Itf中与异常帧It中第k个异常骨骼点相对应的骨骼点数据，表示对异常帧It的第k个异常骨骼点的前向修正，表示异常帧It对应的最近可信前后序帧间连续序列间的正向光流信息，tf表示最近可信前序帧到异常帧之间的视频帧序号，front表示最近可信前序帧Ifront的视频帧序号； 逆向光流修正，具体为: 对于逆向序列中视频帧Itb中与异常帧It中第k个异常骨骼点相对应的骨骼点数据根据正向光流信息计算出下一个视频帧Itb-1中与异常帧It中第k个异常骨骼点相对应的骨骼点数据依序执行至异常帧处的异常骨骼数据修正完毕，表示如下： 其中，表示视频帧Itb中与异常帧It中第k个异常骨骼点相对应的骨骼点数据，表示对异常帧It的第k个异常骨骼点的逆向修正，表示异常帧It对应的最近可信前后序帧间连续序列间的逆向光流信息，tb表示最近可信后序帧到异常帧之间的视频帧序号，back表示最近可信后序帧Iback的视频帧序号； 所述结合双向修正结果，预测并修正异常骨骼数据，具体为：对异常帧It的第k个异常骨骼点，由的前向光流修正得到修正后的骨骼数据由逆向光流修正过程得到修正后的骨骼数据将两者按一定比例融合后，得到最终的修正骨骼数据表示如下： 其中，表示对异常帧It的第k个异常骨骼点修正的最终结果，表示由前向光流修正过程得到修正后的骨骼数据，表示由逆向光流修正过程得到修正后的骨骼数据，λ1、λ2为前向光流修正结果和逆向光流修正结果所占权重。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。