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！

龙图腾网获悉苏州市世跃智能科技有限公司申请的专利一种基于AI识别的动作防误方法及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：CN120431507B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510526647.6，技术领域涉及：G06V20/40；该发明授权一种基于AI识别的动作防误方法及系统是由顾浩;李勇设计研发完成，并于2025-04-25向国家知识产权局提交的专利申请。

本一种基于AI识别的动作防误方法及系统在说明书摘要公布了：本发明公开了一种基于AI识别的动作防误方法及系统，方法包括：采集标准动作视频和待检测动作视频；将标准动作视频输入至动态序列化分析模型中进行训练，提取标准人体骨骼点和标准关键物体的运动轨迹特征；将待检测动作视频输入至训练好的动态序列化分析模型中提取待检测人体骨骼点和待检测关键物体的运动轨迹特征；将标准动作的运动轨迹特征与待检测动作的运动轨迹特征进行对比，获取误差值，将误差值与预设阈值进行比较，判断动作是否失误。本发明能够克服传统检测方法效率低、难以捕捉动作动态特征、适应性差等不足，能及时发现人工操作失误，有效保障产品质量和生产效率。

本发明授权一种基于AI识别的动作防误方法及系统在权利要求书中公布了：1.一种基于AI识别的动作防误方法，其特征在于，包括： 采集不同视角的标准动作视频和待检测动作视频，对所述动作视频进行预处理； 将预处理后的标准动作视频输入至动态序列化分析模型中进行训练，通过所述动态序列化分析模型识别人体骨骼点和关键物体，分析人体骨骼点和关键物体之间的动态序列化关系，提取标准人体骨骼点和标准关键物体的运动轨迹特征； 基于深度学习算法和目标检测算法，设计动态序列化分析模型，通过深度学习算法识别动作视频中的人体骨骼点，通过目标检测算法识别动作视频中的关键物体； 将预处理后的标准动作视频输入至动态序列化分析模型，动态序列化分析模型对标准动作视频中每一帧图像进行处理，识别检测人体的各个骨骼点，并记录人体骨骼点在图像中的坐标位置；同时检测识别关键物体的类别和位置，获取边界框，并记录边界框的中心坐标和尺寸信息； 对所述人体骨骼点和关键物体进行人工标注，标注信息包括骨骼点的编号和坐标以及关键物体的类别和边界框坐标； 将所述人体骨骼点坐标和关键物体的边界框坐标，按照时间顺序构建成时间序列数据，根据每个时间步的时间序列数据，计算人体骨骼点与关键物体之间的距离相对关系； 通过循环神经网络分析人体骨骼点和关键物体运动的时间依赖关系，获取动作的连续性和周期性特征； 根据所述动作的连续性和周期性特征，提取标准人体骨骼点和标准关键物体的运动轨迹特征，将所述运动轨迹特征组合成一个特征向量； 将预处理后的待检测动作视频输入至训练好的动态序列化分析模型中进行重新识别，并提取待检测人体骨骼点和待检测关键物体的运动轨迹特征； 将所述标准人体骨骼点和标准关键物体的运动轨迹特征与待检测人体骨骼点和待检测关键物体的运动轨迹特征进行对比，计算获取误差值，将所述误差值与预设阈值进行比较，判断动作是否失误； 设标准人体骨骼点的运动轨迹特征向量为S＝[S1,S2,…Sn]，其中，n为人体骨骼点特征维度，Si表示标准特征向量中第i个维度的特征值；待检测人体骨骼点的运动轨迹特征向量为T＝[T1,T2,…Tn],其中，Ti表示标准特征向量中第i个维度的特征值； 设标准关键物体的运动轨迹特征向量为S'＝[S'1,S'2,…S'm]，待检测关键物体的运动轨迹特征向量为T'＝[T'1,T'2,…T'm]，其中，m为关键物体特征维度； 人体骨骼点特征的误差计算公式为： 其中，ωi为第i个特征维度的权重； 关键物体特征的误差计算公式为： 其中，ω'j为关键物体特征向量中第j个特征维度的权重； 将人体骨骼点特征误差与关键物体特征误差按照一定权重进行加权求和，获取误差值； 当误差值超出预设阈值时，触发警告机制。

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苏州市世跃智能科技有限公司，其通讯地址为：215400 江苏省苏州市太仓市娄东街道公正路11号1幢1803室、1804室；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。