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！

龙图腾网获悉贵州大学申请的专利基于实例空间关联的人物交互检测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：CN119888338B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411961583.4，技术领域涉及：G06V10/764；该发明授权基于实例空间关联的人物交互检测方法是由杨观赐;卢明朗;唐耀;罗可欣;陈小文;蓝善根;王阳;何玲;胡耀设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本基于实例空间关联的人物交互检测方法在说明书摘要公布了：本发明公开了基于实例空间关联的人物交互检测方法，包括：数据收集；构建实例内与实例间人物交互检测网络模型，包括特征提取部分、Transformer结构部分，所述Transformer结构部分：包括编码器、实例解码器、交互解码器，所述实例解码器为多层结构，每层包括一个多头自注意力模块、一个多尺度可变注意力模块、一个前馈神经网络、边界框回归；该实例解码器能解码多尺度编码特征，生成人和物的检测结果，并用于交互识别；将图像输入训练好的实例内与实例间人物交互检测网络模型，输出人和物的边界框、物的类别与交互类别，进行人物交互关系检测。本发明具有模型泛化性好，实例检测和交互分类准确性高的特点。

本发明授权基于实例空间关联的人物交互检测方法在权利要求书中公布了：1.一种基于实例空间关联的人物交互检测方法，其特征在于：该方法具体步骤包括： 步骤1：数据收集：收集具有人、物的图像数据，形成数据集； 步骤2：模型构建：构建实例内与实例间人物交互检测网络模型，包括特征提取部分、Transformer结构部分； 所述特征提取部分：骨干网络为视觉网络Swin-TransformerTiny，该部分通过骨干网络，从输入图像x中提取到多尺度的特征图谱Fmul，提取到的特征图谱不仅能够抓取全局特征，也能从多个分辨率提取不同尺度的特征，为后续的人物检测以及人物交互关系识别提供多样的输入； 所述Transformer结构部分：包括编码器、实例解码器、交互解码器，所述编码器为多层结构，每层包括一个多尺度可变自注意力模块和一个前馈神经网络模块；该编码器输入来自特征提取部分的多尺度特征图Fmul，生成的多尺度高维特征Fe用于实例解码器和交互解码器； 所述实例解码器为多层结构，每层包括一个多头自注意力模块、一个多尺度可变注意力模块、一个前馈神经网络、边界框回归；该实例解码器的输入为实例查询向量Qins、位置向量Qpos、实例边界框参考位置Pref和多尺度高维编码特征Fe，输出为实例特征Fins、实例类别Cins和更新后实例边界框参考位置Bins；该实例解码器能解码多尺度编码特征，生成人和物的检测结果，并用于交互识别；所述实例查询向量Qins，包括人的查询向量Qsub和物的查询向量Qobj，即Qins＝[Qsub,Qobj]，用于捕捉实例的类别特征和搜索实例的位置；所述位置向量Qpos为机初始化位置向量，包括人的位置向量Qspos和物的位置向量Qopos，即Qpos＝[Qspos,Qopos]，用于拓展查询向量的多样性；所述实例边界框参考位置Pref为实例边界框中心点位置； 所述交互解码器为多层结构，每层包括一个空间关系提取模块、一个特征更新模块、一个交互关系提取模块；该交互解码器输入为实例特征Fins、边界框参考Bins、特征图谱Fdeep，输出为交互类别Cact；该交互解码器通过融入空间布局特征，让交互特征拥有人和物体之间的空间关系，提高了特征的空间感知能力； 步骤3：训练模型：使用数据集对所述实例内与实例间人物交互检测网络模型进行训练； 步骤4：将图像输入训练好的实例内与实例间人物交互检测网络模型，输出人和物的边界框、物的类别与交互类别，进行人物交互关系检测。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区贵州大学(北区)科技处；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。