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！

龙图腾网获悉宁波大学申请的专利一种人体动作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：CN116110124B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202211677196.9，技术领域涉及：G06V40/20；该发明授权一种人体动作识别方法是由王晓东;马远骋;高海玲;章联军设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种人体动作识别方法在说明书摘要公布了：本发明涉及一种人体动作识别方法，包括如下步骤：步骤1、获取包含人体动作的多个视频，并对每个视频进行稀疏采样，得到多个稀疏采样后的视频帧序列；步骤2、将多个视频帧序列组成数据集，并将数据集构建成训练集和测试集；其中训练集中的每个训练样本分别包括一个视频帧序列和该视频帧序列对应的人体动作标签；步骤3、构建动作识别模型，并使用训练集对构建的动作识别模型进行训练，得到训练完成后的动作识别模型；步骤4、任意选择测试集中的其中一个样本，将其输入到步骤3训练完成后的动作识别模型中，即得到人体动作识别结果。优点在于：该方法不仅可以有效地提取重要信息，弱化不感兴趣的区域，还可以减少参数量，提升模型的运行速率。

本发明授权一种人体动作识别方法在权利要求书中公布了：1.一种人体动作识别方法，其特征在于包括如下步骤： 步骤1、获取包含人体动作的多个视频，并对每个视频进行稀疏采样，得到多个稀疏采样后的视频帧序列； 步骤2、将多个视频帧序列组成数据集，并将数据集构建成训练集和测试集；其中训练集中的每个训练样本分别包括一个视频帧序列和该视频帧序列对应的人体动作标签； 步骤3、构建动作识别模型，并使用训练集对构建的动作识别模型进行训练，得到训练完成后的动作识别模型； 动作识别模型具体结构为： GRU时序处理模块，包括3D卷积神经网络和与3D卷积神经网络相连接的k个双向单层GRU单元，3D卷积神经网络的输入端作为GRU时序处理模块的输入端，k个双向单层GRU单元的输出端作为GRU时序处理模块的输出端； 第1个空间注意力模块，其输入端与GRU时序处理模块的输出端相连接； 第1个残差模块，其输入端与第1个空间注意力模块的输出端相连接； 第2个空间注意力模块，其输入端与第1个残差模块的输出端相连接； 第2个残差模块，其输入端与第2个空间注意力模块的输出端相连接； … 第N个空间注意力模块，其输入端与第N-1个残差模块的输出端相连接；N为正整数； 第N个残差模块，其输入端与第N个空间注意力模块的输出端相连接； 多级特征融合模块，包括N-1个特征融合模块，分别为第1特征融合模块、第2特征融合模块…第N-1特征融合模块，第N个残差模块的输出端与第1特征融合模块的输入端相连接，第N-1个残差模块的输出端和第1特征融合模块的输出端相连接后一起与第2特征融合模块的输入端相连接；第N-2个残差模块的输出端和第2特征融合模块的输出端相连接后一起与第3特征融合模块的输入端相连接…第1个残差模块的输出端和第N-1特征融合模块的输出端相连接后一起作为多级特征融合模块的输出端； 分段通道注意力模块，其输入端与多级特征融合模块相连接； 特征提取层，包括与分段通道注意力模块的输出端相连接的池化层和与池化层相连接的全连接层，所述全连接层则为所述动作识别模型的输出端； 上述的每个残差模块分别包括多个相同的残差块，每个残差块分别包括依次相连接的多个卷积层；每个特征融合模块均包括上采样操作和卷积操作，以用于使其输出端的维度能与其对应残差模块输出的特征维度相同，进而能进行融合； 分段通道注意力模块的具体处理步骤为： 将输入到分段通道注意力模块的特征图所对应的通道c分成M段，得到M段通道数均为cM的第一特征图；对M段第一特征图分别进行通道注意力增强操作，得到M段第二特征图；沿着通道维度将M段第二特征图连接输出，得到分段通道注意力模块的输出特征图； 步骤4、任意选择测试集中的其中一个样本，将其输入到步骤3训练完成后的动作识别模型中，即得到人体动作识别结果。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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”。