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！

龙图腾网获悉沈阳航空航天大学申请的专利基于课程学习的多质量骨骼序列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：CN119600680B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411623478.X，技术领域涉及：G06V40/20；该发明授权基于课程学习的多质量骨骼序列动作识别方法是由刘翠微;朱亮;邱怀骏;李照奎;刘芳;彭诗婷;徐思昂设计研发完成，并于2024-11-14向国家知识产权局提交的专利申请。

本基于课程学习的多质量骨骼序列动作识别方法在说明书摘要公布了：本发明公开了一种基于课程学习的多质量骨骼序列动作识别方法，包括：收集大量包含人体动作且带有动作类别标签的视频，并划分为训练集和测试集；提取视频中的每一帧图像的人体关节点的坐标信息，生成连续的骨骼序列；对所述骨骼序列进行数据增强；构建用于动作识别的神经网络模型，之后，将训练集的数据分批次输入至所述神经网络模型，对所述神经网络模型展开训练，直至达到预先设定的轮数，其中，对模型进行训练的过程中，动态调整先验知识和后验知识来评估样本难度，另外，引入了学习重心的概念，学习重心在不同阶段从前期简单样本逐步过渡到难样本。本发明提供的方法可以提高识别效率及识别准确率。

本发明授权基于课程学习的多质量骨骼序列动作识别方法在权利要求书中公布了：1.一种基于课程学习的多质量骨骼序列动作识别方法，其特征在于，包括： S1：收集大量包含人体动作且带有动作类别标签的RGB视频，并将收集到的视频划分为训练集和测试集； S2：提取视频中的每一帧图像的人体关节点的坐标信息，并按照骨骼结构连接方式生成连续的骨骼序列； S3：对所述骨骼序列进行数据增强，得到多质量骨骼序列； S4：构建用于动作识别的神经网络模型，之后，将训练集的数据分批次输入至所述神经网络模型，对所述神经网络模型展开训练，直至达到预先设定的轮数； 其中，利用任一批次B的数据对模型进行训练的过程如下： S41：使用先验知识和后验知识计算样本的综合难易度，所述后验知识为模型预测准确率，所述先验知识为利用姿态估计算法估计出的骨骼样本中所有关节点的置信度的平均值，其中，样本的综合难易度的计算公式如下： s＝α×Pt+β×Qconf； 式中，s代表样本的综合难易度，值越大代表样本越简单，α是后验知识的权重，Pt是模型预测正确的概率，β是先验知识的权重，Qconf是利用姿态估计算法估计出的骨骼样本中所有关节点的置信度的平均值，其中，随着训练轮数的增加，先验知识权重由高渐低，后验知识权重由低渐高； S42：计算当前阶段学习重心，并利用所述学习重心和样本的综合难易度计算样本损失权重，之后，利用样本损失权重对交叉熵损失函数进行加权，得到最终损失； 其中，随着训练轮数的增加，学习重心从简单样本逐步过渡到难样本； 使用卡方分布的解析式计算不同样本的损失权重，其中，学习重心作为卡方分布的自由度，样本的损失权重的计算公式如下： 其中，w代表样本的损失权重，k代表学习重心，s代表样本的综合难易度，s越大代表样本越简单，Γ代表Gamma函数； S43：使用所述最终损失更新所述神经网络模型。

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沈阳航空航天大学，其通讯地址为：110136 辽宁省沈阳市道义经济开发区道义南大街37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”。

以上内容由龙图腾AI智能生成。