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！

龙图腾网获悉常州大学申请的专利一种跨模态三维点云序列时空特征网络的行为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：CN114973418B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202210652520.5，技术领域涉及：G06V40/20；该发明授权一种跨模态三维点云序列时空特征网络的行为识别方法是由侯振杰;尤凯军;钟卓锟;施海勇设计研发完成，并于2022-06-09向国家知识产权局提交的专利申请。

本一种跨模态三维点云序列时空特征网络的行为识别方法在说明书摘要公布了：本发明涉及神经网络技术领域，尤其涉及一种跨模态三维点云序列时空特征网络的行为识别方法，包括：通过坐标转换将深度图跨模态转换成点云序列；将每一帧点云序列输入由时空建模模块和时空信息注入模块构成的跨模态三维点云序列时空特征网络，得到带有时序信息的特征向量序列和空间结构信息特征向量序列，进行拼接作为全连接层的输入，并通过分类器进行人类行为识别。本发明通过抽象操作中加入了通道注意力和空间注意力层；并设计了时空建模模块和时空信息注入模块；通过时空信息注入模块为特征序列注入时间和空间特征信息以此加强时空维度的信息表征来弥补FPS带来的信息损失。

本发明授权一种跨模态三维点云序列时空特征网络的行为识别方法在权利要求书中公布了：1.一种跨模态三维点云序列时空特征网络的行为识别方法，其特征在于，包括以下步骤： 采集人体深度数据，通过坐标转换将深度图跨模态转换成点云序列； 将每一帧点云序列输入由时空建模模块和时空信息注入模块构成的跨模态三维点云序列时空特征网络，得到带有时序信息的特征向量序列和空间结构信息特征向量序列，进行拼接作为全连接层的输入，并通过分类器进行人类行为识别； 所述时空建模模块由两个抽象操作层、两组多层感知机和最大池化层组成； 所述抽象操作层由采样层、分组层、通道注意力、空间注意力和Pointnet层组成； 采样层使用FPS从点集中选择nm个点作为质心； 分组层将nm-1×d+cm-1维的点集和一组大小为nm×d的质心坐标作为输入，输出为nm组大小为nm×km×d+cm-1的点集群； 通道注意力和空间注意力层将局部区域内点的坐标转换成相对于质心点的局部坐标系；将每个局部点与质心之间的距离作为1维的附加点特征；利用特征间注意机制优化不同特征的融合效果，公式如下： 其中，表示第t个点云框架第j个区域第i个点的坐标，和分别是对应于的质心点坐标和对点特征，是和之间的欧几里得距离，A为注意机制，每个点对应的坐标和特征得分为3+1+cm-1维，A中的注意力得分由所有点云帧中的所有局部点共享，和⊙是串联运算和点积运算，为第t个点云框架第j个区域经过通道空间注意力层后的区域特征； Pointnet层，由一组mlp和一个最大池操作组成； 所述时空信息注入模块包括：时序信息注入模块和空间信息注入模块； 所述时序信息注入模块对人体动作的时间信息进行编码，使用时间位置嵌入层、共享MLPS层和分层金字塔最大池化层；经过时间位置嵌入层后，将顺序信息嵌入到空间信息序列中；对每个特征向量应用一组MLPS；生成一个更新的特征向量序列；使用Two-MAX对多个特征向量进行聚合，将向量序列对等数量的点云帧进行多个时间分区，然后对每个分区进行maxpooling操作，生成相应的描述符；使用三个分区两层金字塔的分层金字塔最大池策略；将所有时间分区的描述符连接起来，形成人类行为的序列级特征E； 所述时间位置嵌入层使用不同频率的正弦和余弦函数作为时间位置编码，公式如下： 其中，dsout表示特征向量的维数，t是时间位置，而h是维度位置；通过添加位置编码更新特征向量，如下所示： 其中，是经过时间位置嵌入后的新的特征向量； 然后，得到一个新的特征向量序列

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常州大学，其通讯地址为：213164 江苏省常州市武进区滆湖中路21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”。