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！

龙图腾网恭喜重庆邮电大学申请的专利基于多尺度跨时空有向时空图的步态情绪识别方法和系统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：CN116740802B 。

龙图腾网通过国家知识产权局官网在2025-05-06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：202310496658.5，技术领域涉及：G06V40/20；该发明授权基于多尺度跨时空有向时空图的步态情绪识别方法和系统是由张家波;高洁;徐光辉设计研发完成，并于2023-05-05向国家知识产权局提交的专利申请。

本基于多尺度跨时空有向时空图的步态情绪识别方法和系统在说明书摘要公布了：本发明公开了一种基于多尺度跨时空有向时空图的步态情绪识别方法和系统，包括3个多尺度时空有向自适应图卷积网络，每个多尺度时空有向自适应图卷积网络之前都有一个归一化层，之后是一个激活函数层和一个丢弃层，人体骨骼图通过3个多尺度时空有向自适应图卷积网络后，从输入数据中提取特征数据，然后执行全局平均池化层，对提取的特征进行全局特征平均池化，最后通过softmax层执行四种情感分类。本发明采用通过构建有向时空图，同时考虑到了时间流动方向，并且使用图深度学习在时间维度上提取节点间的联系，有向地更新节点特征，以达到较好地识别精度。

本发明授权基于多尺度跨时空有向时空图的步态情绪识别方法和系统在权利要求书中公布了：1.基于多尺度跨时空有向时空图的步态情绪识别方法，其特征在于，包括以下步骤：构建人体骨骼图，每个关节代表一个节点，骨骼代表一条边；采用多尺度跨时空的信息有向聚合方法提取特征，使用跨时空的方法，获取每帧节点与长时间距离的帧节点之间的联系，使用多尺度方法，获取每帧节点与远处节点之间的联系；根据时间流动方向，将所有帧节点放入一个整体结构中，构建有向时空图；使用多尺度自适应图卷积块，自适应地提取每帧节点与其多跳节点间的特征联系；采用softmax进行情感分类；所述采用多尺度跨时空的信息有向聚合方法提取特征具体包括：在每次更新中，帧数据根据时间序列方向进行选择，并使用前后帧更新当前帧数据，更新方程下式， 在图神经网络的第l层中，输出特征被表示为节点输入特征表示为Θl代表图神经网络，δ是归一化函数；定义一个多尺度邻接矩阵： 其中，dvi,vj表示节点i和j之间的最短距离，是自然状态下人体关节的结构图，是在k跳跃时得到的新的邻接矩阵，表示i的k跳邻居节点是j，将两个节点之间的k跳跃权重重置为1，以便于在特征聚合时，n跳节点和k跳节点具有相同的初始权重，k≠n；为了提取远程节点特征，使用一种基于m跳邻居的分区策略，节点跳邻居集的分区策略定义为： 其中，rvi表示所有帧中节点i到重心的距离，rvj表示所有帧中节点j到重心的距离，j是i的m跳邻居，[Am]i,j表示了第i个节点和第j个节点相连；使用多尺度跨时间有向聚合更新方法，以提取不同帧节点之间的连接关系，使用两个聚合函数从源节点和目标节点提取特征gvt,gvs， 表示提取的指向i节点的源节点，表示提取的i节点指向的目标节点，表示指向当前节点的源节点，表示当前节点指向的目标节点，v′i表示节点i更新后的特征，hv表示节点特征更新函数；使用多尺度定向连接，使每一帧中的节点与它们之前和之后的多帧多跳邻居之间的连接，多尺度有向时空图矩阵由多个原始的k跳邻接矩阵拼接而成， 其中是输入每帧图的多尺度邻接矩阵，I是一个单位矩阵。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。