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一种基于时序动态适应和层级对比的动作评估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：CN118196901B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202410362395.3，技术领域涉及：G06V40/20；该发明授权一种基于时序动态适应和层级对比的动作评估方法是由柯逍;许煌标;林晓锋设计研发完成，并于2024-03-28向国家知识产权局提交的专利申请。

本一种基于时序动态适应和层级对比的动作评估方法在说明书摘要公布了：本发明涉及一种基于时序动态适应和层级对比的动作评估方法，包括以下步骤：步骤S1：获取数据集并预处理，训练基于计算机视觉的关键点检测算法；步骤S2：采用修改后的关键点检测算法对输入的视频图像识别提取骨骼关键点，并输出信息；步骤S3：采用基于余弦相似度的肢体整齐度算法对关键点的信息进行处理，计算肢体整齐度；步骤S4：采用基于距离度量的关节整齐度算法计算关节整齐度，基于肢体和关节整齐度计算综合整齐度，完成最终的评估。

本发明授权一种基于时序动态适应和层级对比的动作评估方法在权利要求书中公布了：1.一种基于时序动态适应和层级对比的动作评估方法，其特征在于，包括以下步骤： 步骤S1：获取动作评估相关场景的图片序列或视频，标注其中包含的动作类别和质量分数以构建数据集； 步骤S2：构建基于大规模动作数据集预训练的X3D作为骨干网络提取成对视频的时空特征，设计时序对齐视频编码器动态对齐时空特征； 步骤S3：对步骤S2的时空特征进行多维度的池化获得多层级特征，设计层级感知特征聚合网络增强各层级特征； 步骤S4：设计基于Transformer的动作差异对比解码器分析成对视频的各层级特征差异，输出最终的分析和评估结果； 所述步骤S2具体包括以下步骤： 步骤S21：对于一个输入查询视频X，从训练集随机选取具有同样的帧长度l的样例视频Z组成输入视频对，分割输入视频对为N个包含16帧的片段； 步骤S22：基于大规模人体动作数据集Kinetics-400对X3D骨干网络进行预训练，之后利用该网络提取输入视频对的片段级时空特征 其中T，H×W，D分别表示时间步、空间块尺寸和特征尺寸； 步骤S23：设计一个时序对齐视频编码器E，该时序对齐视频编码器E首先使用一个包含两个带有批归一化的全连接层和ReLU激活函数的投影块将F投影到尺寸为T×H×W×D′的中间嵌入，其中D′是编码特征尺寸，然后为中间嵌入的每个块加上正余弦位置编码并利用一个3层的Transformer编码器建模所有块之间的时空上下文关系，最后利用一个由定位网络L和时序转换T′组成的时序转换器对齐查询视频和样例视频之间的时序动作，转换过程表示如下： f′＝T′Ψf，Ψ＝ω，b＝Lf 其中，f是需要转换的特征，f′表示时序对齐结果，Ψ＝ω，b表示生成的扰动参数； 步骤S24：引入时序循环一致性损失来优化步骤S23时序对齐编码，对于每个片段首先计算它的软最近邻然后追溯定位的最近邻特征对符合时序一致性，即上述损失学习过程表示如下： 其中，f′X和f′Z即查询视频和样例视频时序对齐后的特征，为计算最近邻的相似度因子，g·表示计算余弦相似度，和表示样例视频Z的第j个和第k个片段，表示查询视频X的第k个片段，N为步骤S21中的片段数； 所述步骤S3具体包括以下步骤： 步骤S31：步骤S2动态对齐后获得块状时空特征分别在时空维度和空间维度对进行全局平均池化，获得全局特征和时序特征 步骤S32：构建层级感知特征聚合网络以探索各层级语义信息的重要性并针对性的增强对动作的关注，该网络首先对各层级特征进行自注意力增强，分别应用于全局、时序和空间维度捕捉不同情境的上下文信息，对于多层级特征其中 其中，W1，W2和W3是权重矩阵，是归一化因子，x′即增强后的特征； 步骤S33：其次，层级感知特征聚合网络包含一个创新的特征优化模块，该模块利用全局特征引导时间和空间特征的优化，其使用一个二层MLP作为投影网络p·来投影增强后的层级特征x′到潜在嵌入P＝px′，然后时序嵌入和空间嵌入都减去全局嵌入以减轻全局共性信息的冗余与影响，最终采用全连接层进一步优化局部特征并将三类特征拼接获得输入视频对的多层级语义特征

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”。

以上内容由龙图腾AI智能生成。