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！

龙图腾网获悉华中科技大学申请的专利基于因果干预机制的步态识别方法与装置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：CN117173790B 。

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：202311190366.5，技术领域涉及：G06V40/20；该发明授权基于因果干预机制的步态识别方法与装置是由冯镔;熊海军;刘文予设计研发完成，并于2023-09-14向国家知识产权局提交的专利申请。

本基于因果干预机制的步态识别方法与装置在说明书摘要公布了：本发明公开了一种基于因果干预机制的步态识别方法：对于待检测的步态序列，首先经过特征提取以及时域下采样获取低级步态特征；然后经过由多个事实与反事实模块构成的因果干预学习器，最后用于特征映射生成步态特征。事实与反事实模块可以通过最大化事实与反事实特征表达之间的分布差异，使得步态模型更加关注于反映步态特征的区域，从而减少混杂因素对步态识别的干扰，并且该模块可移植性强，适用于多种主流步态识别网络。本发明还提供了相应的基于因果干预机制的步态识别装置。

本发明授权基于因果干预机制的步态识别方法与装置在权利要求书中公布了：1.一种基于因果干预机制的步态识别方法，其特征在于，所述方法包括如下步骤： 步骤一：对于待训练与检测的步态序列，首先将图像裁剪为的分辨率，训练序列连续采样30帧，测试时则全部输入； 步骤二：将步骤一中处理好的步态序列输入低级特征提取网络，该网络会在时域上进行下采样操作，得到低级语义特征表达； 步骤三：基于事实与反事实模块设计因果干预学习器，将步骤二中得到的低级语义特征表达输入连续几个因果干预学习器中得到高级语义特征表达；假设因果干预学习器的输入为，首先由事实模块生成事实特征；在反事实模块中输入首先经过卷积模块生成特征，并由输入得到时域相关性矩阵和时空特征，两者矩阵相乘得到权重，然后通过特征得到反事实特征，训练时对和分布差异进行监督；因果干预学习器使得步态模型更加关注于反映步态特征的区域，从而减少混杂因素对步态识别的干扰；对于因果干预学习器，由输入生成时域相关性矩阵和时空特征的函数表达式为：，，其中表示空域池化，表示通道池化，表示全连接层，表示自注意力操作，表示函数； 步骤四：将步骤三中获得的高级语义特征表达进行特征映射，得到最终的步态特征用于训练； 步骤五：将步骤四映射后的步态特征用于待测试步态序列的行人身份预测。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。