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！

龙图腾网获悉中山大学申请的专利一种智慧健康环境中的少样本动作识别方法与系统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：CN119339437B 。

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：202411316415.X，技术领域涉及：G06V40/20；该发明授权一种智慧健康环境中的少样本动作识别方法与系统是由周凡;许智鸣;林格;苏卓设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种智慧健康环境中的少样本动作识别方法与系统在说明书摘要公布了：本发明公布了一种智慧健康环境中的少样本动作识别方法，包括：输入包含视频样本的支持集与查询集，通过帧提取算法从每个视频中提取出具有代表性的帧，并对其进行数据增强；利用特征提取网络，提取样本的帧集特征；通过在transformer中计算，构建与查询样本相匹配的支持样本特征；根据类内样本特征之间的相似度，为每个样本分配权重；结合支持样本特征及其权重，构建每个类的原型；对每一对类原型与查询样本特征，计算两者之间的距离，取距离最小的类作为预测的结果，并根据距离损失优化模型。此外，本发明还公布了一种智慧健康环境中的少样本动作识别系统。本发明充分利用样本的各种信息，使生成的动作识别结果精确度更高，更加符合用户预期。

本发明授权一种智慧健康环境中的少样本动作识别方法与系统在权利要求书中公布了：1.一种智慧健康环境中的少样本动作识别方法，其特征在于，所述方法包括： 输入包含视频样本的支持集与查询集，支持集是用于给模型学习特征的样本集，查询集是用于给模型预测的样本集，通过帧提取算法从每个视频中提取出具有代表性的帧，得到支持集与查询集样本的帧集； 对所述支持集与查询集样本的帧集中的各帧图像进行数据增强，并将其处理成统一的尺寸，得到数据预处理后的支持集与查询集样本的帧集； 利用特征提取网络，提取所述数据预处理后的支持集与查询集样本的帧集特征，并对提取的特征加上位置编码，各样本的帧特征构成样本的特征，输出为支持样本的特征集与查询样本特征； 输入支持样本的特征集与查询样本特征，将数据划分为支持样本和查询样本的样本对，将每一个样本对输入到transformer中计算，生成根据与查询样本相似性自适应重新加权的支持样本特征，输出为经过处理的支持样本的特征集与查询样本特征； 根据所述支持样本的特征集，对每一个支持样本，计算同类样本特征之间的相似度，将结果进行求和、平均、归一化，从而得到各支持样本的样本权重； 结合所述经过处理的支持样本的特征集和各支持样本的样本权重，在每一个类中，将所有样本特征根据对应的权重进行加权求和，构建支持样本各类的原型； 输入所述支持样本各类的原型与查询样本特征，对每一对类原型与查询样本特征，计算两者之间的距离，取距离最小的类作为预测的结果； 具体地，所述输入支持样本的特征集与查询样本特征，将数据划分为支持样本和查询样本的样本对，将每一个样本对输入到transformer中计算，生成根据与查询样本相似性自适应重新加权的支持样本特征，输出为经过处理的支持样本的特征集与查询样本特征，具体为： 在transformer中，所述支持样本特征用于transformer的key和value，查询样本特征用于query，其中query、key、value都是特征向量，由样本特征经过特定的权重矩阵Wq、Wk、Wv生成，通过query和key计算所述支持样本特征与查询样本特征之间的相似度权重，根据该权重对value进行加权求和，最终得到自适应重新加权的支持样本特征； transformer计算公式如下所示： 其中，是中间变量，表示查询样本特征表示中的第m帧的特征与支持集第c类第k个样本的第n帧的特征通过计算得到的初始注意力权重，Qm为查询样本特征表示中的第m帧的特征qm+PEm，PE为位置编码，L是标准的层规范化； 是对应第m帧的查询样本特征与支持集第c类第k个样本的第l帧的特征的注意力权重，所述l为范围[1，N]的整数变量，用于将 求和，即将给定c、m、k的每个所述经过的计算后全部相加；表示经过归一化后的注意力权重；dk为缩放因子； 为支持集中第c类第k个样本第n帧的特征信息，是处理后的第c类第k个样本第m帧的特征； 将查询样本特征经过transformer中生成value的权重矩阵Wv的处理，具体如下： um＝Wv*Qm 其中，um表示处理后维度一致的查询样本特征； 经过处理的支持样本的特征集由transformer生成的构成，表示为T＝{T1,…,Tc,…,TC}，其中Tc为第c类支持样本的特征集，表示为其中为第c类第k个样本的特征，表示为将查询样本特征U表示简化为U＝{u1,…,un,…,uN}。

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中山大学，其通讯地址为：510006 广东省广州市海珠区新港西路135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。