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！

龙图腾网获悉江南大学申请的专利基于可选择多尺度图卷积网络的骨架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：CN119169308B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411199385.9，技术领域涉及：G06V10/44；该发明授权基于可选择多尺度图卷积网络的骨架行为识别方法是由曹毅;李杰;曹光扬;王彦雯;闻旭;周辉设计研发完成，并于2024-08-29向国家知识产权局提交的专利申请。

本基于可选择多尺度图卷积网络的骨架行为识别方法在说明书摘要公布了：本发明提供基于可选择多尺度图卷积网络的骨架行为识别方法，其可以提高骨架行为识别的准确率，尤其能够在大型骨架数据集上取得优异的识别准确率，并具备有良好的泛化性能。其在空间域上，构造多尺度通道拓扑细化邻接矩阵并参与图卷积，实现对更多代表性关节特征的充分提取；在时间域上，提出可选择多尺度时序卷积模块，实现对有用的时间信息的充分关注；然后，结合多尺度图卷积模块和可选择多尺度时序卷积模块，构建可选择多尺度图卷积模型，在多流网络下进行端到端的训练，有效地捕获更多的关节特征和学习有用的时间信息。

本发明授权基于可选择多尺度图卷积网络的骨架行为识别方法在权利要求书中公布了：1.基于可选择多尺度图卷积网络的骨架行为识别方法，其包括以下步骤： S1：获取原始视频样本，对所述原始视频样本进行预处理，获取所述原始视频样本中骨架信息数据； S2：构造表示所述骨架信息数据的时空图，包含C个通道数、T个帧数和V个关节数； S3：基于所述时空图构建人体骨架行为识别模型； S4：基于多流网络对所述人体骨架行为识别模型进行训练，得到训练好的所述人体骨架行为识别模型，具体包括以下操作： 确定表示骨架行为的静态特征和动态特征的骨架行为特征数据，并对所述骨架行为特征数据进行建模；所述骨架行为特征数据包括：关节、骨骼、关节运动和骨骼运动； 训练时，基于多流网络对输入的所述时空图进行关节、骨骼、关节运动和骨骼运动四个信息支流分别训练，得到四个训练好的人体骨架行为识别支流模型，将四个所述人体骨架行为识别支流模型的输出进行融合作为多流图卷积网络的输出； S5：获取待识别视频数据，提取所述待识别视频数据组中的骨架信息数据，将骨架信息数据转化为时空图，送入到训练好的所述人体骨架行为识别模型中，得到最终识别结果； 其特征在于： 所述人体骨架行为识别模型的构建，包括以下步骤： S3-1：将所述时空图中所有关节点的邻域，划分为不同的骨架节点子集，包括：根关节点自身、靠近骨架重心的向心邻居节点和远离骨架重心的离心邻居节点； S3-2：逐一获取所述骨架节点子集，记作：待计算骨架节点子集； 构建多尺度图卷积模块，将所述待计算骨架节点子集作为输入特征，基于所述多尺度图卷积模块对所有的骨架节点子集分别进行空间特征提取，具体操作包括： 对表示所述待计算骨架节点子集中的两个节点vi和vj之间的依赖关系进行建模，得到成对关节邻接矩阵，其中i,j∈{1,…,V}，V为待计算骨架节点子集中的关节数；同时对单个节点vi和多个节点vj、vj+1、vj+2……vj+k-1的依赖关系进行建模，其中i∈{1,…,V},j∈{1,…,V+1-k},k∈{2,…,V}；得到每个骨架节点子集对应的多尺度通道拓扑细化邻接矩阵，并结合图卷积操作对所述时空图进行特征提取； S3-3：构造可选择多尺度时序卷积，在所述多尺度图卷积模块提取的空间特征的基础上，提取所述时空图的时间特征后，构建时序卷积层，并将时序卷积层记作：可选择多尺度时序卷积模块； S3-4：构建可选择多尺度图卷积块； 所述可选择多尺度图卷积块包括：依次连接的多尺度图卷积模块和可选择多尺度时序卷积模块； S3-5：构建可选择多尺度图卷积网络； 所述可选择多尺度图卷积网络包括依次连接的：10个可选择多尺度图卷积块、GAP层和FC层； S3-6：基于可选择多尺度图卷积网络构建所述人体骨架行为识别模型。

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江南大学，其通讯地址为：214000 江苏省无锡市滨湖区蠡湖大道1800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。