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！

龙图腾网获悉海识(烟台)信息科技有限公司申请的专利一种异常动作的实时监控辨识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：CN119169516B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202410354097.X，技术领域涉及：G06V20/52；该发明授权一种异常动作的实时监控辨识方法是由魏馨娜;徐田璐;文强;姜春阳设计研发完成，并于2024-03-26向国家知识产权局提交的专利申请。

本一种异常动作的实时监控辨识方法在说明书摘要公布了：本发明提供了一种异常动作的实时监控辨识方法，扩充样本数据并对样本进行灰度化处理；将训练样本进行局部模范化运算处理；构建复合型神经网络模型；在实时视频监控过程中，如果复合型神经网络输出为Y＝0时，则表示此时刻监控到的图像为正常动作图像，警报系统不工作；如果复合型神经网络的输出为Y＝1时，则表示此时刻监控到的图像为异常动作图像，代表异常动作的发生，警报系统发出警报。本发明提高了监控系统对异常动作实时辨识速率和精准度。

本发明授权一种异常动作的实时监控辨识方法在权利要求书中公布了：1.一种异常动作的实时监控辨识方法，其特征在于，包括以下步骤： S10扩充样本数据并对样本进行灰度化处理； S20将训练样本进行局部模范化运算处理；所述局部模范化运算处理方法具体如下： 用表示样本图像的第i行j列的像素，表示经过局部模范化运算之后得到的图像的第i行j列像素； ， ， ， 最终得到， 其中U、V表示局部模范化运算的窗口尺寸，、，表示样本图像的第i行j列像素的均值，表示样本图像的第i行j列像素的方差，为常数； S30构建复合型神经网络模型，所述复合型神经网络模型包含输入层、卷积层、数据压缩层、池化层、全连接层、输出层； 所述卷积层具有S个卷积核，任一卷积核用s表示，s={1,2,3,...,S}，表示卷积核的大小、为卷积核的步长； 经过卷积后的特征图尺寸为；其中，是指在原始图像周围补的圈数；是卷积前图像的高度；为卷积后图像的高度；是卷积前图像的宽度；是卷积后图像的宽度； 卷积层输出图像的第s个特征图的第行j列的像素由下列公式计算得到： ； 其中，为激励函数，且；表示函数的扩展常数；则；表示输入图像的第s特征图的第行列的像素值；、分别为第s特征图的学习权重和偏置； 所述数据压缩层的神经元个数为Q，任一神经元用q表示； 用表示卷积层输出的s个特征图i行j列像素的均值，表示卷积层输出的s个特征图i行j列像素的方差； 均值与方差分别通过下列公式得到： ， 将进行数据压缩的计算公式为： ， 表示数据压缩层输出的第q特征图i行j列像素，q={1,2,3,...,Q}，和为第q特征图的一对学习参数； S40在实时视频监控过程中，如果复合型神经网络输出为Y=0时，则表示此时刻监控到的图像为正常动作图像，警报系统不工作；如果复合型神经网络的输出为Y=1时，则表示此时刻监控到的图像为异常动作图像，代表异常动作的发生，警报系统发出警报。

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海识(烟台)信息科技有限公司，其通讯地址为：264000 山东省烟台市中国(山东)自由贸易试验区烟台片区长江路160号星颐广场9号508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。