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！

龙图腾网获悉西安电子科技大学申请的专利基于突出帧保留策略的特征消冗时间动作定位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：CN119229074B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411298839.8，技术领域涉及：G06V10/24；该发明授权基于突出帧保留策略的特征消冗时间动作定位方法是由刘若辰;吴江浩;吕浩源;李建霞设计研发完成，并于2024-09-18向国家知识产权局提交的专利申请。

本基于突出帧保留策略的特征消冗时间动作定位方法在说明书摘要公布了：本发明公开了一种基于突出帧保留策略的特征消冗时间动作定位方法，其步骤为：视频流分块处理，并将视频流转换为特征流；构建多时间域特征金字塔；构建突出帧特征金字塔；构建消冗金字塔模型；训练特征消冗金字塔模型。本发明设计的多时间域感知模块可融合局部特征依赖信息与全局特征依赖信息，同时关注持续时间长的动作和持续时间短的动作，缓解潜在特征丢失的问题。本发明构建的特征消冗金字塔模型对突出帧特征进行特征保留与特征增强，视频定位任务中获得更好的定位和分类精度。

本发明授权基于突出帧保留策略的特征消冗时间动作定位方法在权利要求书中公布了：1.一种基于突出帧保留策略的特征消冗时间动作定位方法，其特征在于，构建用于提取局部信息与全局信息融合的多时间域特征金字塔，采用突出帧保留策略通过突出帧特征金字塔提取原始视频中的突出帧特征；该定位方法的步骤包括如下： 步骤1，将输入的原始视频流进行分块后，再将图像视频流转换为特征流； 步骤2，构建多时间域特征金字塔，提取局部信息与全局信息进行融合： 所述多时间域特征金字塔由多头注意力模块与大核卷积模块并联组成；大核卷积模块通过卷积感受野捕捉特征流中的局部特征依赖信息，多头注意力模块捕捉特征流中的全局特征依赖信息，局部特征依赖信息与全局特征依赖信息特征相加后作为多时间域特征金字塔的输出；所述大核卷积模块中包含上、下两个特征提取分支，上分支为特征增强模块，由平均池化层，全连接层，激活函数串联而成；下分支为特征提取模块，由一维卷积与大核卷积并联后再与一维卷积相乘，上下两个分支通过特征相加作为大核卷积模块的输出；具体实现步骤如下： 第一步，特征流经过大核卷积模块获取局部特征依赖信息Localk： 其中，FC表示全连接层映射操作，由一维卷积实现，Convk表示使用大核卷积提取特征的操作，其卷积核大小为9，ReLU表示对输入进行非线性映射，AvgPool表示平均池化操作，池化窗口的大小为3*3，步长为1； 第二步，特征流经过多头注意力模块，输入的特征与可学习参数{WQ,WK,WV}分别做点乘，其中与{WQ,WK}计算后的结果经过softmax层得到特征相似度，与{WV}相乘后的结果点乘，点乘的结果经过串联的归一化层LN，多头注意力层MSA，归一化层LN和多层感知机MLP，获取输入特征流的全局特征依赖信息Globalk： 其中，MLP表示多层感知机，由多个非线性映射层组成，LN表示层归一化操作，MSA表示采用多头注意力机制来提取全面特征，WQ,WK,WV表示可学习参数Query，Key，Value，为缩放因子，上角标T表示转置操作； 第三步，将全局特征依赖信息与局部特征依赖信息通过特征相加的方式融合为多时间域特征金字塔的输出Fia： Fa＝Global+Local， 其中，Global表示经多头注意里模块提取的视频全局特征依赖信息，Local表示经大核卷积模块提取的视频局部特征依赖信息； 步骤3，采用突出帧保留策略，在对原始特征流进行一维卷积进行突出特征映射后，仅根据时间跨度特征进行时间域的下采样操作，通过突出帧特征金字塔提取原始视频中的突出帧特征； 步骤4，构建由多时间域特征金字塔、突出帧特征金字塔并联组成的消冗金字塔模型； 步骤5，训练特征消冗金字塔模型； 步骤6，采用与步骤1相同的方式，得到待定位的视频流的特征流，将特征流输入到训练好的消冗金字塔模型中，输出定位结果。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。