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！

龙图腾网恭喜北方工业大学申请的专利一种基于残差网络的多阶段人体异常动作检测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：CN114202803B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202111553555.5，技术领域涉及：G06V40/20；该发明授权一种基于残差网络的多阶段人体异常动作检测方法是由张凤全;程健;周锋;王桂玲设计研发完成，并于2021-12-17向国家知识产权局提交的专利申请。

本一种基于残差网络的多阶段人体异常动作检测方法在说明书摘要公布了：本发明涉及一种基于残差网络的多阶段人体异常动作检测方法，步骤为：将待检测视频片段，切分为等长度的视频实例；使用目标检测网络模型得到每个监控视频实例中出现的人体目标边界框和位置和尺寸大小；根据人体边界框信息，使用动作识别网络模型在每个监控视频实例中计算边界框中人体动作的类别与置信度；使用异常分数学习模型给出每个监控视频实例的异常得分并进行加权融合。本发明能够快速获得监控视频中的异常动作信息，并设计了检测人体边界框所需的目标检测网络模型、分析人体动作的动作识别网络模型以及预测异常得分的异常分数学习模型。本发明实现常见监控视频场景下的人体异常动作检测，方法简洁、误报率低，具有一定的实用价值。

本发明授权一种基于残差网络的多阶段人体异常动作检测方法在权利要求书中公布了：1.一种基于残差网络的多阶段人体异常动作检测方法，其特征在于，步骤包括：（1）将待检测视频片段，切分为个等长度的视频实例，得到切分后的视频实例；（2）根据步骤（1）切分后的视频实例，采用基于残差网络的目标检测网络模型，得到每个监控视频实例中出现的人体目标边界框的位置以及尺寸大小；（3）基于步骤（2）人体目标边界框的位置和尺寸，使用基于双流时空残差网络的人体动作识别模型在每个监控视频实例中计算人体目标边界框中人体动作的类别与置信度；（4）依据步骤（3）人体动作的类别与置信度，采用异常分数学习模型给出每个监控视频实例的异常得分，并进行加权融合，从而能够对异常人体动作进行分类和识别；所述步骤（3）具体实现如下：（31）使用双流时空网络作为人体动作识别模型，以人体目标边界框的位置和尺寸作为输入，人体动作识别模型使用时间流和空间流两个残差网络作为骨架网络，对一组输入的数据样本，通过作为平移参数和缩放参数，批量归一化计算变换后的，沿通道计算得到每个批次的均值为，沿通道计算每个批次的方差，计算，完成缩放和平移变换；（32）通过三个RGB滤波器通道调整时间流中第一层滤波器，用于在水平和垂直光流堆栈上运行，每个堆栈包含10个视频帧，时间流和空间流残差网络中分别使用跨层残差连接和跨流残差连接，部署在时间流到空间流的残差模块前，其中是ReLU激活函数，为第层的输入矩阵，为第层的输出矩阵，是一个非线性的残差映射函数，由卷积滤波器权重表示，是第层空间流的输入，是第层时间流的输入，是空间流的第层残差神经元的连接权重矩阵，为第层空间流的输出；（33）使用帧速为、尺寸为的分辨率的残差网络作为空间流网络，确定视频中的静态区域，同时使用帧速为、尺寸为的分辨率的残差网络作为时间流网络，确定视频中的动态区域，空间流网络称作慢速通道，时间流网络称为快速通道，慢速通道网络使用时序跨度作为超参数，控制每秒跨过的视频帧数，在视频帧率为30的数据集中，1秒约提取2帧特征，快速通道网络1秒提取15帧特征，快速通道网络的数据通过旁侧连接传递至慢速通道网络，网络模型对快速通道网络传入旁侧连接的数据进行维度变换，然后再融入慢速通道网络，快速通道网络在执行数据样本的维度变换时，每隔一定帧数进行三维卷积，在快速通道网络和慢速通道网络的最后一层，人体动作识别网络模型进行全局平均采样，并降低数据样本的维度，然后对结果进行融合，传入全连接分类层，通过Softmax给出每个动作的置信得分；（34）人体动作识别模型的优化目标是减少人体动作类别预测的误差，最小化Softmax分类器的交叉熵损失函数，其中是Softmax分类器的输出向量的第个人体动作类别的动作置信得分，是对应的真实动作标签向量中的第个元素。

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方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5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”。