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！

龙图腾网获悉厦门大学申请的专利基于BERT模型的通道特征交互时间建模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：CN115457657B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211083801.X，技术领域涉及：G06V40/20；该发明授权基于BERT模型的通道特征交互时间建模行为识别方法是由李晓潮;杨曼;甘利鹏设计研发完成，并于2022-09-06向国家知识产权局提交的专利申请。

本基于BERT模型的通道特征交互时间建模行为识别方法在说明书摘要公布了：基于BERT模型的通道特征交互时间建模行为识别方法，属于计算机视觉、深度学习和行为识别技术领域。将动作视频分解成对应的RGB图像序列输入二维卷积神经网络，基于二维卷积神经网络提取的特征，通过通道重组模块和通道BERT模型对子通道特征序列进行自注意力计算，提取随时间变化差异较大的关键子通道特征以及它们之间的交互相关性，获得区分动作类别的关键语义特征及其相关性，从而提高行为分类精度。通过将通道BERT和时间BERT联合起来，进一步关注关键帧中的关键通道语义特征，从而获得更高的行为识别准确率。

本发明授权基于BERT模型的通道特征交互时间建模行为识别方法在权利要求书中公布了：1.基于BERT模型的通道特征交互时间建模行为识别方法，其特征在于其具体步骤如下： 1将动作视频分解成对应的RGB图像序列输入二维卷积神经网络，提取B,T,C,H,W维度特征图；其中，B表示分批量训练时输入视频帧的批量数，C表示通道数，T表示T帧连续图像，H、W表示输入图像的高和宽； 2将提取的特征图输入池化模块进行空间平均池化操作，得到B,T,C维度的特征序列F； 3将特征序列F分别输入联合-BERT自注意力模型的两个分支，分别进行通道和时间特征提取：在第1个分支中，将提取到的特征序列F输入通道重组模块，输出的重组子通道特征序列XC经通道BERT模块加权处理后通过全连接层输出进行预测，得到行为识别的第一预测矩阵；在第2个分支中，特征序列F输入时间BERT模块中，通过全连接层输出得到行为识别的第二预测矩阵；第1个分支和第2个分支中的通道BERT模块和时间BERT模块共享参数； 所述联合-BERT自注意力模型包括两个分支，提取通道间相关性的第1个分支和图像帧间的时间相关性的第2个分支；第1个分支用于从重组子通道组的语义特征中，利用多头自注意力机制对子通道建立相互作用，获得区分动作类别的关键语义特征及其相关性；第2个分支用于利用自注意力机制在不同时刻图像帧融合时，根据帧之间的相似性计算提取出关键的图像帧； 所述将特征序列F分别输入联合-BERT自注意力模型的两个分支，分别进行通道和时间特征提取的具体步骤包括： 1在第1个分支中，基于通道重组模块和通道BERT模块获得区分动作类别的关键通道语义特征及其相关性，将二维卷积神经网络提取到的特征序列F输入通道重组模块，在通道重组模块中将相邻帧对应子通道特征沿时间维度进行重组拼接，构成包含时间变化关系的子通道特征时间序列；输出的重组子通道特征序列XC经通道BERT模块进行自注意力计算，提取出随时间变化差异较大的关键子通道特征以及它们之间的交互相关性；根据子通道特征序列间的相关性进行加权处理，经全连接层输出得到行为识别的第一预测矩阵，实现通道特征交互在时间维度的建模； 2在第2个分支中，直接把池化后的特征序列F输入时间BERT模块中，计算视频帧之间的相似性，通过全连接层输出得到行为识别的第二预测矩阵； 4将第一预测矩阵和第二预测矩阵加权融合后输入分类模块，得到行为识别的分类结果。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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。