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！

龙图腾网获悉南京理工大学申请的专利基于多模态多粒度的老年人日常行为自动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：CN113850143B 。

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：202110999523.1，技术领域涉及：G06V40/20；该发明授权基于多模态多粒度的老年人日常行为自动识别方法是由舒祥波;丁静;宋砚设计研发完成，并于2021-08-29向国家知识产权局提交的专利申请。

本基于多模态多粒度的老年人日常行为自动识别方法在说明书摘要公布了：本发明公开了一种基于多模态多粒度的老年人日常行为自动识别方法，包括以下步骤：将原始输入视频的骨骼模态和RGB模态分别被细化为骨骼点+骨架和提名+关键帧；对骨骼点和骨架数据建立图结构，并分别利用图卷积网络S‑GTCNs学习特征，得到基于骨骼点和骨架数据的动作类别得分；利用边界敏感网络提取视频的提名，利用I3D网络提取提名和关键帧的底层特征，基于提名和关键帧数据建立图结构，并分别使用图卷积网络R‑GCNs学习特征，得到基于提名和关键帧数据的动作类别得分；将四种颗粒度的识别得分进行融合得到最终的识别结果。该方法相比于其他方法，有更高的识别准确率。

本发明授权基于多模态多粒度的老年人日常行为自动识别方法在权利要求书中公布了：1.一种基于多模态多粒度的老年人日常行为自动识别方法，其特征在于，包括以下步骤： 步骤1，将原始输入视频的骨骼模态和RGB模态分别被细化为骨骼点+骨架和提名段+关键帧； 步骤2，对骨骼点和骨架数据建立图结构，并分别利用图卷积网络S-GTCNs学习特征，得到基于骨骼点和骨架数据的动作类别得分；具体包括如下步骤： 步骤201，对于单帧骨骼点数据，定义图结构GS＝VS,ES，其中，VS代表拥有N个骨骼点的节点集合，ES是由邻接矩阵AS∈RN×N定义的骨骼边集；如果节点vi和vj存在连接边，i＝1,…,N，j＝1,…,N,j≠i，则初始Ai,j＝1，否则为0；一个完整的动作能够用图序列GS表示，表示GS的节点特征集合，其中x是在t时刻节点vn的C维特征向量，T表示总帧数，N表示总节点数； 步骤202，对于单帧骨架数据，定义图结构GB＝VB,EB，其中，VB代表拥有N根骨架的节点集合，EB是由邻接矩阵AB∈RN×N定义的边集；如果节点vi和vj存在连接边，i＝1,2,…,N，j＝1,2,…,N，则初始Ai,j＝1，否则为0；图序列GB表示一个完整的动作，节点特征集合为 其中x表示在t时刻节点vn的C维特征向量，T表示总帧数，N表示总节点数； 步骤203，将骨骼点和骨架数据送入S-GTCNs中，S-GTCNs包括一个GTCN和两个A-GTCN模块；经过批量标准化操作归一化后分别被送入两个结构相同、参数独立的网络单元GTCN模块中，GTCN的网络结构包含一层GCN和两层TCN，GCN用于聚合提取骨骼模态的特征，TCN用于提取时序信息；GTCN单元的输出被送入到A-GTCN单元，A-GTCN的网络结构包含一层GCN和两层TCN，A-GTCN单元引入了注意力机制；骨骼点与骨架数据经由S-GTCNs模块得到各自的输出： 其中，FC表示全连接层，scoreS和scoreB分别代表基于骨骼点和基于骨架的输出得分； 步骤3，利用I3D提取提名段和关键帧的底层特征，基于提名段和关键帧数据建立图结构，并分别使用图卷积网络R-GCNs学习特征，得到基于提名段和关键帧数据的动作类别得分； 步骤4，将四种颗粒度的识别得分进行融合得到最终的识别结果。

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南京理工大学，其通讯地址为：210094 江苏省南京市孝陵卫200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”。