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！

龙图腾网获悉北京汇畅数宇科技发展有限公司申请的专利一种基于视频流的姿态特征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：CN120635989B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510810234.0，技术领域涉及：G06V40/20；该发明授权一种基于视频流的姿态特征识别方法是由王子傑;田越设计研发完成，并于2025-06-17向国家知识产权局提交的专利申请。

本一种基于视频流的姿态特征识别方法在说明书摘要公布了：本发明公开了一种基于视频流的姿态特征识别方法，包括：对连续的视频流进行预处理获取视频帧训练数据，提取每帧图像中的关键帧和邻近帧，对所述人体区域构建特征提取模块获取全局帧，利用左右两侧邻近帧对所述人体区域进行局部提取获取局部帧，通过局部邻近帧与当前关键帧之间的时序连续性，对所述全局帧构建语义关联信息；采用条件特征聚合算法获取增强特征表示；通过姿态细节特征获取姿态序列数据；建立三维坐标，采用人体运动解耦模型自适应提取姿态变化数据，通过平滑优化策略预测人体姿态特征，引入交叉注意力机制实现时空特征的深度融合，增强了模型对复杂动作模式的理解能力，显著提升了模型在遮挡或模糊区域的姿态表达能力。

本发明授权一种基于视频流的姿态特征识别方法在权利要求书中公布了：1.一种基于视频流的姿态特征识别方法，其特征在于，包括以下步骤： 对连续的视频流进行预处理获取视频帧训练数据，对所述视频帧训练数据提取每帧图像中的关键帧和邻近帧，采用目标检测算法提取所述视频流中的人体区域； 对所述人体区域构建特征提取模块获取全局帧，利用左右两侧邻近帧对所述人体区域进行局部提取获取局部帧，通过局部邻近帧与当前关键帧之间的时序连续性，对所述全局帧构建语义关联信息； 采用条件特征聚合算法将所述局部帧的视觉上下文信息与所述语义关联信息进行融合，获取增强特征表示； 对所述增强特征表示采用深度学习算法对人体特征进行选择性增强，获取姿态细节特征，将所述姿态细节特征依据时序特征融入所述关键帧中，获取姿态序列数据； 根据人体各关节节点对所述姿态序列数据建立三维坐标，采用人体运动解耦模型自适应提取姿态变化数据，通过平滑优化策略预测人体姿态特征； 对连续的视频流进行预处理获取视频帧训练数据，对所述视频帧训练数据提取每帧图像中的关键帧和邻近帧，采用目标检测算法提取所述视频流中的人体区域，包括： 将连续的视频流以设定的帧率进行采样，分割为以时间顺序排列的视频帧序列，对每一帧的所述视频帧序列进行编码、标准化处理后获取视频帧训练数据； 对所述视频帧序列采用时序均分策略选取关键帧，在所述关键帧的前后t个时间窗口内选取若干邻近帧，构建以关键帧为中心、包含局部时序上下文信息的帧集合； 对每一帧的所述视频帧序列采用FasterR-CNN检测模型进行人体检测，识别所述视频帧序列图像中人体目标，获取对应的人体边界框； 识别所述人体边界框内的人体区域图像，对所述人体区域图像进行人体图像剪裁和归一化处理，获取人体区域； 将所述关键帧及其邻近帧的人体区域图像组合为多帧输入样本，以时间序列对应关键点的标注信息，构建视频帧训练数据集； 对所述人体区域构建特征提取模块获取全局帧，利用左右两侧邻近帧对所述人体区域进行局部提取获取局部帧，包括： 对所述视频帧训练数据集采用人体姿态估计算法提取人体区域中人物i的全局帧，采用卷积神经网络提取高层语义特征图，获取具有丰富语义信息的全局特征表示，将所述语义特征图作为全局帧特征； 在所述全局帧中根据人物的运动特征表示获取关键帧，选取关键帧前一时刻与后一时刻t个时间窗口内的邻近帧，分别提取对应的人体区域图像； 通过共享权重的卷积网络提取每帧的局部视觉特征，将邻近帧特征构成局部帧特征集合，建模关键帧前后帧之间的局部运动变化和视觉上下文信息； 通过局部邻近帧与当前关键帧之间的时序连续性，对所述全局帧构建语义关联信息，包括： 从所述局部帧特征集合中以时间序列选择局部邻近帧与当前关键帧进行时序对齐，采用可变性卷积模型对t时间段窗口内的多帧特征进行对齐处理，获取局部邻近帧与当前关键帧之间的时序连续性； 采用注意力机制融合所述局部邻近帧与关键帧之间的所述局部运动变化和视觉上下文信息，获取所述关键帧前后时序的语义相似性及运动连续性； 根据所述关键帧的语义相似性对局部帧特征进行加权聚合，生成增强的上下文感知特征，获取增强的语义关联信息； 采用条件特征聚合算法将所述局部帧的视觉上下文信息与所述语义关联信息进行融合，包括： 将所述局部帧的视觉上下文信息以局部邻近帧与关键帧之间的时间距离作为关联性度量标准，将所述局部帧的视觉上下文信息与所述语义关联信息进行关联； 将所述全局特征和关键帧特征输入到所述可变性卷积模型的共享嵌入特征层中，将原始特征空间转换为嵌入表示，获取每个帧的嵌入信息表示、； 将所述嵌入信息表示、通过矩阵的点乘获取全局特征与关键帧特征之间的语义关联性，其关联性计算表达式为： 其中，函数表示特征嵌入操作，表示矩阵的乘积运算，表示从全局帧中提取的人物i的全局特征，表示人物i的关键帧特征。

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北京汇畅数宇科技发展有限公司，其通讯地址为：100020 北京市朝阳区垡头东里4号2幢1层621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。