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！

龙图腾网获悉中国建筑第八工程局有限公司申请的专利基于深度学习的泄密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：CN115861877B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202211466524.0，技术领域涉及：G06V20/40；该发明授权基于深度学习的泄密行为识别方法是由金国栋;杨钦;董政;陈新喜;王俊佚;刘丹;杨大健;吴光辉设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本基于深度学习的泄密行为识别方法在说明书摘要公布了：本发明公开了一种基于深度学习的泄密行为识别方法，包括步骤：1：获取监控设备拍摄的军用机场的视频；2：预处理监控视频画面，预先训练AlphaPose框架，提取监控视频画面中出现的人员的关节点和骨架特征；3：基于关节点和骨架特征，对监控视频画面中的人员进行动作关节特征向量计算，得到监控视频画面中每名人员的动作关节特征；4：建立深度学习识别模型，对每名人员的动作关节特征，进行分类处理，识别目标动作特征；5：将分类为泄密行为的目标动作特征对应的人员进行异常标记，获得目标异常对象属性及其运动轨迹，将该异常目标对象上报安防部门处理。本发明能准确、实时的识别军用机场疑似违规拍摄泄密行为。

本发明授权基于深度学习的泄密行为识别方法在权利要求书中公布了：1.一种基于深度学习的泄密行为识别方法，其特征是：包括以下步骤： 步骤1：获取监控设备拍摄的军用机场的视频； 步骤2：对监控视频画面进行预处理，预先训练AlphaPose框架，并利用AlphaPose框架提取监控视频画面中出现的人员的关节点和骨架特征； 步骤3：基于提取的人员的关节点和骨架特征，对监控视频画面中的人员进行动作关节特征向量计算，得到监控视频画面中每名人员的动作关节特征； 步骤4：将动作关节特征导入模型，优化建立深度学习识别模型，并利用深度学习识别模型对每名人员的动作关节特征，进行分类处理，识别目标动作特征； 步骤5：将分类为泄密行为的目标动作特征对应的人员进行异常标记，获得异常目标对象属性及其运动轨迹，将该异常目标对象上报安防部门处理； 所述的步骤4包括以下分步骤： 步骤4.1：构建模型结构； 步骤4.2：初始化模型结构中的参数，参数包括权重、偏差、缩减率和学习率； 步骤4.3：基于关节点和骨架特征，使用前向学习和反向传播对模型结构进行训练； 步骤4.4：当满足结束条件时，模型训练完成，使得该模型参数最优，得到深度学习识别模型，能够满足泄密行为识别的要求； 步骤4.5：利用深度学习识别模型对每名人员的动作关节特征进行识别和分类处理，识别泄密行为的目标动作特征； 所述的模型结构由CNN卷积神经网络、池化模块、注意力模块和激活函数组成； 步骤4.1包括以下分步骤： 步骤4.1.1：在CNN卷积神经网络中添加通道注意力模块，并采用全局平均池化和最大池化两种不同方式来分别利用不同的信息，用于汇总空间特征； 步骤4.1.2：将残差块引入模型结构中； 残差块引入的方法是： 假定X是残差网络块的输入，FX是残差映射函数，则原始映射表示为Y＝FX+X； 对于特征F，分别进行一个空间的全局平均池化和最大池化得到两个1×1×C的通道描述，再将两个通道描述分别送入一个两层的神经网络，第一层神经元个数为Cr，激活函数为Relu，第二层神经元个数为C，得到两个特征；这个两层的神经网络是共享的；再将得到的两个特征相加后经过一个Sigmoid激活函数得到权重系数Mc；最后，将权重系数Mc和原来的特征F相乘，即可得到缩放后的新特征； 步骤4.1.3：在添加通道注意力模块后，再引入空间注意力模块，用于关注有意义的动作关节特征； 空间注意力模块的引入方法是： 给定一个H×W×C的特征F’，先分别进行一个通道维度的平均池化和最大池化得到两个H×W×1的通道描述，并将这两个通道描述按照通道拼接在一起；然后，经过一个X×X的卷积层，激活函数为Sigmoid，得到空间注意力的权重系数Ms；最后，将权重系数Ms和特征F’相乘，即可得到缩放后的新特征； 若通道注意力模块教模型结构需要注意什么，则空间注意力模块将允许模型结构知道需要注意的地方。

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中国建筑第八工程局有限公司，其通讯地址为：200122 上海市浦东新区中国（上海）自由贸易试验区世纪大道1568号27层；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”。