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！

龙图腾网恭喜大连理工大学申请的专利基于图卷积网络的多粒度人体动作分类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：CN115116139B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202210816170.1，技术领域涉及：G06V40/20；该发明授权基于图卷积网络的多粒度人体动作分类方法是由刘胜蓝;丁宇宁;李光哲;张津榕设计研发完成，并于2022-07-12向国家知识产权局提交的专利申请。

本基于图卷积网络的多粒度人体动作分类方法在说明书摘要公布了：基于图卷积网络的多粒度人体动作分类方法，属于视频动作识别领域，为了解决生成准确和高鲁棒性的动作分类结果的问题，要点是将骨骼点划分为骨骼点本身、靠近重心的一近邻节点、远离重心的一近邻节点三个子集，在骨架拓扑的三个通道上，将输入数据通过卷积、不同维度的均值压缩和维度扩展处理，提取空间的特征矩阵和时间特征矩阵，同时，对输入数据进行卷积等，效果是可以对粗粒度的动作数据和细粒度的动作数据都进行准确分类。

本发明授权基于图卷积网络的多粒度人体动作分类方法在权利要求书中公布了：1.一种基于图卷积网络的多粒度人体动作分类方法，其特征在于，包括S1.获取目标动作的骨骼点数据集；S2.将骨骼点划分为骨骼点本身、靠近重心的一近邻节点、远离重心的一近邻节点三个子集，使用V表示骨骼点数量，每个子集是V×V的矩阵；根据所述三个子集划分形状为3×V×V的所述三个子集的邻接矩阵，根据所述邻接矩阵划分骨架拓扑的三个通道；对所述邻接矩阵标准化得到骨架拓扑矩阵A，用Ai表示第i个通道的骨架拓扑矩阵A的子集；S3.对骨骼点数据集进行抽帧得到形状为C×T×V的输入数据Xin，C表示特征数量，T表示时间窗大小；S4.在骨架拓扑的三个通道上，将输入数据Xin通过Cr维度的1×1卷积、不同维度的均值压缩和维度扩展处理，提取空间的特征矩阵X1、X2和时间特征矩阵X3，空间的特征矩阵X1形状为Cr×V×1、空间的特征矩阵X2形状为Cr×1×V、时间特征矩阵X3形状为Cr×T×1，同时，对输入数据Xin进行Cout维度的1×1卷积，得到形状为Cout×T×V的时空向量X4；S5.空间的特征矩阵X1和空间的特征矩阵X2通过减法运算进行空间关系建模，通过激活函数φ1和Cout维度的1×1卷积f1，生成空间向量X5：X5＝f1φ1X1-X21空间的特征矩阵X2和时间特征矩阵X3通过乘法运算融合建立时空关系，通过激活函数φ2和Cout维度的1×1卷积f2，生成时空权重向量X6：X6＝f2φ2X2·X32S6.空间向量X5和每个通道的骨架拓扑子集Ai通过融合函数构建细化的空间向量X7，空间向量X5和每个通道的骨架拓扑子集Ai之间的数值关系是可学习的，权重系数为α； 时空权重向量X6通过融合函数为时空向量X4提供权重，产生细化的时空向量X8； S7.将两个空间向量X7和X8在每个通道上进行矩阵乘法运算和通道拼接得到时空细化的拓扑S8.将所有通道的输出相加进行融合，通过归一化和ReLu函数激活，得到通道细化拓扑Xc；S9.将通道细化拓扑Xc输入到时域卷积网络得到输出Xout；S10.输出Xout作为输入数据Xin循环若干次执行步骤S4～S9，将每一次循环执行步骤S4～S8所得输出Xout输入全连接层，进行最大池化得到特征fout，特征fout表示从输入骨骼点数据中提取的动作特征，最后将特征fout输入Sofimax层得到多粒度人体动作分类标签。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。