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！

龙图腾网获悉上海视颐电子科技有限公司申请的专利基于AI数字人的行为预测方法、系统、设备及存储介质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：CN119762930B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510267599.3，技术领域涉及：G06V10/80；该发明授权基于AI数字人的行为预测方法、系统、设备及存储介质是由陈炜;许国庆设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本基于AI数字人的行为预测方法、系统、设备及存储介质在说明书摘要公布了：本申请涉及一种基于AI数字人的行为预测方法、系统、设备及存储介质，该方法包括获取原始视觉数据、语音数据和环境传感数据，并进行初步预处理，得到处理数据集；从处理数据集中提取多模态特征，得到视觉特征、语音特征和环境感知特征，并基于注意力机制对各模态特征进行加权融合，生成多模态特征表示；基于多模态特征表示，采用深度学习模型进行遮挡补偿优化，识别并修复原始视觉数据中的遮挡区域，进而生成优化特征集；通过时序分析模型对优化特征集进行行为预测，生成与用户当前交互状态相关的行为输出。本申请具有提高行为预测效率的效果。

本发明授权基于AI数字人的行为预测方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于AI数字人的行为预测方法，其特征在于，所述方法包括： 获取原始视觉数据、语音数据和环境传感数据，并进行初步预处理，得到处理数据集； 从所述处理数据集中提取多模态特征，得到视觉特征、语音特征和环境感知特征，并基于注意力机制对各模态特征进行加权融合，生成多模态特征表示； 基于所述多模态特征表示，采用深度学习模型进行遮挡补偿优化，识别并修复所述原始视觉数据中的遮挡区域，进而生成优化特征集； 通过时序分析模型对所述优化特征集进行行为预测，生成与用户当前交互状态相关的行为输出； 其中，所述基于注意力机制对各模态特征进行加权融合，具体包括： 对所述各模态特征设计独立的权重矩阵，所述权重矩阵基于所述各模态特征在行为预测任务中的贡献度设计，所述贡献度通过训练过程中的深度学习模型进行评估，并依据评估结果为所述各模态特征分配初始权重值； 依据所述各模态特征的关联性和交互性，引入跨模态注意力机制，建立所述各模态特征之间的交互关系，并根据所述交互关系对所述各模态特征的所述权重矩阵进行调整； 所述依据所述各模态特征的关联性和交互性，引入跨模态注意力机制，建立所述各模态特征之间的交互关系，并根据所述交互关系对所述各模态特征的所述权重矩阵进行调整，具体包括： 依据所述各模态特征的关联性和交互性，构建跨模态注意力机制，通过计算所述各模态特征之间的相关性，为所述各模态特征分配适当的注意力权重，从而捕捉不同模态之间的相互影响关系； 基于所述跨模态注意力机制，采用多层级的注意力模块逐层处理模态特征，在不同层次上捕捉局部与全局的模态交互信息； 基于所述模态交互信息，引入交叉模态的自适应加权机制，根据所述各模态特征的贡献度动态调整权重矩阵； 基于调整后的所述权重矩阵，通过自注意力机制对所述各模态特征内部的信息进行加权融合； 所述基于所述多模态特征表示，采用深度学习模型进行遮挡补偿优化，识别并修复所述原始视觉数据中的遮挡区域，具体包括： 基于所述多模态特征表示中的视觉特征，通过深度卷积神经网络对所述视觉数据中的遮挡区域进行定位，并利用遮挡区域的上下文信息和邻域特征，识别并标定所述遮挡区域； 结合所述语音特征和所述环境感知特征，采用跨模态深度学习模型进行遮挡修复，通过自适应学习机制优化所述遮挡区域的补偿策略； 利用循环神经网络对时间序列中的遮挡修复进行预测和优化，根据遮挡事件的时序特性，对动态环境中快速变化的所述遮挡区域进行实时修复，并根据前后帧的连续性优化所述遮挡区域的恢复效果； 基于生成对抗网络对修复后的所述遮挡区域进行细化，通过生成器生成自然视觉内容； 所述通过时序分析模型对所述优化特征集进行行为预测，生成与用户当前交互状态相关的行为输出，具体包括： 基于所述优化特征集，通过对时间维度上的数据进行编码，捕捉交互行为随时间演变的模式，得到时序特征； 采用时序分析模型，对所述时序特征进行建模，捕捉历史行为对未来行为的影响，预测当前时刻和或未来时刻的用户行为； 根据所述时序分析模型的预测结果，生成与用户当前交互状态相关的行为输出。

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上海视颐电子科技有限公司，其通讯地址为：201612 上海市松江区新桥镇莘砖公路518号5幢505室；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”。