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！

龙图腾网获悉南京邮电大学申请的专利一种基于动态时空图卷积神经网络的人物步态识别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：CN119723667B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411856670.3，技术领域涉及：G06V40/20；该发明授权一种基于动态时空图卷积神经网络的人物步态识别方法是由陈志;杜娇;岳文静设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于动态时空图卷积神经网络的人物步态识别方法在说明书摘要公布了：本发明公开了一种基于动态时空图卷积神经网络的人物步态识别方法，包括以下步骤：CASIA‑B数据集进行人体姿势估计，生成热力图；热力图输入HM‑C模块，生成人体骨骼序列信息；提取出关节，骨骼和速度特征；输入到局部注意力模块得到包含不同身体部位在整个动作序列中的权重信息的特征向量；输入到主干网络动态GCN模块中，生成空间特征图；将人体骨骼序列信息和空间特征输入到动态TCN模块，生成富的时间特征图；将时间特征图输入关节骨骼动态融合模块，将关节级别和骨架级别的运动模式融合在不同的时间范围内，生成更加丰富和判别性更强的关节‑骨架运动特征。本发明解决了基线GCN的方法严重依赖于手动定义的骨架拓扑的问题。

本发明授权一种基于动态时空图卷积神经网络的人物步态识别方法在权利要求书中公布了：1.一种基于动态时空图卷积神经网络的人物步态识别方法，其特征在于：包括以下步骤： 步骤1，将CASIA-B数据集输入到人体姿势提取模块中，使用HRNet模型进行人体姿势估计，生成热力图； 步骤2，将步骤1得到的热力图输入HM-C模块，HM-C使用分布感知坐标表示方法来重新编码关键点坐标，最终生成包含关键点位置信息的向量序列即为人体骨骼序列信息； 步骤3，将步骤2得到的人体骨骼序列信息中提取出关节，骨骼和速度特征； 步骤4，将步骤3得到的关节，骨骼和速度特征，输入到局部注意力模块得到包含不同身体部位在整个动作序列中的权重信息的特征向量； 步骤5，将步骤2得到的人体骨骼序列信息输入到主干网络动态GCN模块中在空间维度上进行建模，融合空间特征，生成空间特征图； 所述步骤5包括： 步骤51，使用正态分布随机初始化系数矩阵A，系数矩阵A由N个不同的分量组成，N可以设置为任意值，完成动态图卷积模块中的多组设计； 步骤52，将步骤2得到的具有C个通道骨架序列信息作为空间卷积子模块的输入，首先用1×1卷积进行处理，以生成N个特征组，每个特征组具有个通道； 步骤53，给定输入特征F，首先使用时间池来消除维度T；然后将两个单独的1×1卷积应用于F，分别得到F1和F2； 步骤54，将步骤53得到的F1和F2，使用Softmax激活函数得到动态项Tanh激活函数来获得具有特定信道的动态项和的表达式如下： 步骤55，将步骤54得到的和与静态项加权和作为最终的系数矩阵Ai，Ai的表达式如下： 其中，α和β是两个可学习的参数； 步骤56，将步骤55得到的Ai与步骤52得到的N个特征组独立地进行建模，然后沿着通道维度将N个特征组级联； 步骤57，将步骤56得到的N个特征组级联地结果通过一个1×1卷积进行处理以生成空间特征图； 步骤6，将步骤2得到的人体骨骼序列信息和步骤5得到的空间特征图输入到动态TCN模块聚合时间特征学习相邻帧之间的时间模式和将空间上捕获的信息与时序信息相结合，综合考虑动作的空间和时间信息，生成更丰富的时间特征图； 所述步骤6包括： 步骤61，将步骤2得到的人体骨骼序列信和步骤5得到的空间特征输入到TCN模块中的瓶颈模块，通过一个1×1卷积处理，以生成M个特征组，多组TCN由具有不同感受野的多个分支组成； 步骤62，将步骤2得到的长度为T的序列拆分为长度相等的L个子串，然后从每个子串中随机选择一个帧，并将它们连接到一个新的子序列中； 步骤63，将步骤61得到的M个特征组和步骤62得到的L个样本序列沿着通道维度分别进行卷积和池化操作，并将结果连接起来； 步骤7，将步骤6得到的时间特征图输入关节骨骼动态融合模块，将关节级别和骨架级别的运动模式融合在不同的时间范围内，生成更加丰富和判别性更强的关节-骨架运动特征； 所述步骤7包括： 步骤71，将步骤6得到的结果进一步在关节级别和骨架级别并行执行时间建模，首先对V个关节级特征{X1，...,XV|Xi∈RC×T}进行平均池化，得到骨架级特征S； 步骤72，将步骤71得到的骨架级特征S和V个关节特征Xi进行并行处理，得到S*和Xi*； 步骤73，将步骤72得到的S*合并到Xi*中； 步骤74，每个TCN实例都包含一个学习参数自适应关节骨架融合后，关节i的特征为 步骤75，将步骤74得到的自适应关节骨架融合后特征序列进行1×1卷积操作，得到TCN模块的输出。

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南京邮电大学，其通讯地址为：210023 江苏省南京市栖霞区文苑路9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。