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！

龙图腾网获悉华侨大学申请的专利基于多分支人体特征融合网络的扶梯行为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：CN119964249B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510428715.5，技术领域涉及：G06V40/20；该发明授权基于多分支人体特征融合网络的扶梯行为检测方法是由何建海;郑力新设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本基于多分支人体特征融合网络的扶梯行为检测方法在说明书摘要公布了：本发明公开了基于多分支人体特征融合网络的扶梯行为检测方法，涉及图像处理技术领域，方法包括：利用包含关节流、骨骼流、速度流和骨骼角度流的多分支网络处理该矩阵，分别获得关节、骨骼、速度和角度特征矩阵，并通过自注意力机制融合这些特征；使用多尺度时序卷积捕捉特征在时间上的动态变化，生成时序特征矩阵；通过注意力加权的边缘卷积与时序特征矩阵进行交互，将结果转换为高维特征向量；输入至全连接层映射到类别空间，以预测扶梯行为的概率分布，选取概率最高的类别作为最终的行为预测结果。本发明通过构建多分支人体特征融合网络并结合自注意力机制和多尺度时序卷积，实现了对自动扶梯上行人行为的检测与识别。

本发明授权基于多分支人体特征融合网络的扶梯行为检测方法在权利要求书中公布了：1.一种基于多分支人体特征融合网络的扶梯行为检测方法，其特征在于，包括： S1，获取自动扶梯上行人的动作视频；通过人体姿态估计器提取动作视频中每一帧的人体关节点坐标；将每一帧的人体关节点坐标以时间顺序合并成坐标序列，并将坐标序列转换为原始特征矩阵； S2，构建多分支人体特征融合网络；所述多分支人体特征融合网络包括关节流、骨骼流、速度流、骨骼角度流、注意力机制融合模块和多个图卷积子块；所述骨骼流基于原始特征矩阵计算骨骼边的向量长度和向量方向，获得骨骼特征矩阵；所述速度流基于原始特征矩阵计算人体关节点和骨骼边的速度向量，获得速度特征矩阵；所述骨骼角度流基于原始特征矩阵计算肢体角度和肢体角速度，获得骨骼角度特征矩阵；每个图卷积子块包括图卷积、多尺度时序卷积和注意力加权的边缘卷积； S3，通过多尺度时序卷积捕捉原始特征矩阵、骨骼特征矩阵、速度特征矩阵和骨骼角度特征矩阵在时间上的动态变化，获得时序特征矩阵； S4，通过注意力加权的边缘卷积对时序特征矩阵进行注意力加权，将注意力加权后的特征矩阵输入全局池化层转换为高维特征向量； S5，通过自注意力机制融合模块对高维特征向量进行加权融合，通过全连接层将融合后的高维特征向量映射到类别空间，以计算出各个类别扶梯行为的概率分布，选择概率最高的类别作为扶梯行为的预测结果； 肢体角度和肢体角速度的计算公式如下： 其中，θn,B表示第n帧中第B个骨骼边的肢体角度，ωn,B表示第n帧中第B个骨骼边帧间肢体角速度；ln,B,z表示第n帧第B个骨骼边在z轴正方向的分量；ln,B,x表示第n帧第B个骨骼边在x轴正方向的分量；ln,B,y表示第n帧第B个骨骼边在y轴正方向的分量；l表示骨骼边；t表示时间； 通过注意力加权的边缘卷积对时序特征矩阵进行注意力加权，计算公式如下： eij＝MLPHi,Hj-Hi； EdgeConvH,A＝∑j∈NiφHi,Hj； 其中，MLP表示多层感知机；W表示时序特征矩阵；Hl表示注意力加权后的特征矩阵；eij表示基于多层感知机MLP计算关键点i和关键点j的特征；αij表示动态注意力机制的权重系数；EdgeConvH,A表示边缘卷积；Ni表示节点i的邻居集合；φHi,Hj表示节点i和邻居节点j的特征差；A表示邻接矩阵；eik表示目标节点i与邻居节点k的注意力得分，反映邻居节点k对目标节点i的重要程度；Hi和Hj表示特征矩阵H通过图卷积的输出特征张量第i个关键点和第j个关键点；表示逐元素相乘；σ表示激活函数；b表示偏置。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。