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！

龙图腾网获悉天津大学申请的专利一种基于图卷积的多视角骨架序列融合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：CN115497164B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211157830.6，技术领域涉及：G06V40/20；该发明授权一种基于图卷积的多视角骨架序列融合方法是由冯伟;孟繁博设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种基于图卷积的多视角骨架序列融合方法在说明书摘要公布了：本发明涉及一种基于图卷积的多视角骨架序列融合方法，包括以下步骤：进行数据增强，调整为多视角骨架序列，作为多分支网络的输入；在每个分支使用时空图卷积网络提取每个视角的时域图集成特征，从人体骨架上提取部分端点和连接点作为关节点，在空间维分割，得到获得每个关节点的时域图集成表示；结合人体的天然拓扑关系、视角间关节点的对应关系以及关节点在集成空间的图集成特征构造多视角融合图；根据多视角融合图进行图卷积，融合特征，获得多视角融合的图集成特征；多分支联合预测。

本发明授权一种基于图卷积的多视角骨架序列融合方法在权利要求书中公布了：1.一种基于图卷积的多视角骨架序列融合方法，包括以下步骤： 步骤一，进行数据增强，调整为多视角骨架序列，作为多分支网络的输入； 1将单个动作序列在所有视角下的骨架序列组合成多视角骨架序列； 2将得到的多视角骨架序列在视角级进行重排列； 3将经过视角级重排列的多视角骨架序列的作为多分支网络的输入，每个分支都在不同时间接受样本的所有视角。 步骤二，在每个分支使用时空图卷积网络提取每个视角的时域图集成特征X1,X2,...,Xn； 1为每个分支选取具有相同结构的时空图卷积网络； 2在每个分支使用选定的时空图卷积网络提取输入视角的时域图集成特征X，方法为：在每个分支使用选定的时空图卷积网络输入经过视角级重排列的多视角骨架序列其中c1为骨架序列的通道数，t为骨架序列的帧数即时间维，v为骨架序列的关节点数即空间维；在保留空间维度的基础上对时间维取平均，提取每个视角的时域图集成特征X1,X2,...,Xn，构成整个序列的时域图集成特征其中c2为时域图集成特征X的通道数； 3从人体骨架上提取部分端点和连接点作为关节点，在空间维分割，得到获得每个关节点的时域图集成表示； 步骤三，结合人体的天然拓扑关系、视角间关节点的对应关系以及关节点在集成空间的图集成特征构造多视角融合图M； 1关节点间的连接即人体天然的拓扑关系；结合人体天然的拓扑关系和视角间关节点的对应关系构造邻接矩阵A； 2对邻接矩阵A进行拉普拉斯变换得到天然连接图N； 3根据提取到的每个关节点的图集成表示构造对应相似度图R； 4天然连接图N和相似度图R均以邻接矩阵的形式存储，矩阵元素值代表节点间连接的强度，将天然连接图N和相似度图R分别进行矩阵级归一化，之后将对应位置的元素加权求和，将天然连接图N和相似度图R加权融合得到多视角融合图M； 步骤四，根据多视角融合图M进行图卷积，融合特征X1,X2,…,Xn获得多视角融合的图集成特征Xn+1，方法如下： 1将提取到的每个视角的时域图集成特征X1,X2,...,Xn在空间维度拼接，构造包含全部视角下关节点的特征向量Xn+1； 2将包含全部视角下关节点的特征向量Xn+1和图M输入图卷积网络进行进行空间-视角图卷积，得到多视角融合的图集成特征Yn+1； 步骤五，多分支联合预测，方法如下： 将所得到的多视角融合的图集成特征Yn+1和所提取到的每个视角的时域图集成特征X1,X2,...,Xn分别进行空间维度的全局平均池化，而后输入相互独立的n+1个全连接层，得到分类的初步预测其中class为样本的类别数； 2利用sigmoid函数将得到的分类的初步预测的数据元素映射到0,1之间； 3对映射后的分类的初步预测取最大值的方式进行决策层融合，作为最终的预测结果； 步骤六，若端到端的网络框架对应的损失函数未收敛，则重复迭代步骤二至步骤五。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。