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！

龙图腾网获悉东华大学申请的专利基于视频的高尔夫挥杆评测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：CN116958859B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310671046.5，技术领域涉及：G06V20/40；该发明授权基于视频的高尔夫挥杆评测方法及系统是由张艳婷;涂福宇设计研发完成，并于2023-06-07向国家知识产权局提交的专利申请。

本基于视频的高尔夫挥杆评测方法及系统在说明书摘要公布了：本发明的一个技术方案是提供了一种基于视频的高尔夫挥杆评测方法，其特征在于，包括关键帧提取网络以及挥杆动作对比分析模块。本发明的另一个技术方案是提供了一种基于上述的高尔夫挥杆评测方法实现的高尔夫挥杆评测系统，其特征在于，分为展现层、通讯层、服务层和数据层，包括用户管理功能模块、视频管理功能模块和AI挥杆动作对比分析功能模块。本发明所需设备仅一部智能手机，根据挥杆关键事件对比分析挥杆动作，能够更迅速准确地定位动作的问题所在，且对骨架模型进行3D重建，可以多角度查看挥杆动作与职业球员的差异。同时能够提供量化数据分析，例如部分关节的角度，并能以与职业球员的骨骼点距离作为标准度评分。

本发明授权基于视频的高尔夫挥杆评测方法及系统在权利要求书中公布了：1.一种基于视频的高尔夫挥杆评测方法，其特征在于，包括关键帧提取网络以及挥杆动作对比分析模块，其中： 关键帧提取网络的输入是一个视频帧序列It∈R3×H×W，其中，It是第t帧图像，T是序列的长度，H、W分别表示每帧图像的高和宽；关键帧提取网络利用MobileNetV2网络对视频帧序列I中的每一帧图像进行处理，提取其图像特征；随后，关键帧提取网络对提取的图像特征进行全局平均池化，使每一帧的信息用一个向量表示，即ft∈R1280；关键帧提取网络利用多尺度的时序MLPFormer对图像特征序列f进行处理，输出融合时序信息的嵌入特征Fc；最后，关键帧提取网络对于每一帧使用全连接层进行分类，预测事件类et，对于视频帧序列I，得到et∈RC，其中，C表示事件类的数量，其中，对于每一类，将得到预测概率分数最高的帧表示为对应的关键事件； 挥杆动作对比分析模块进一步包括动作对比单元和标准度评分单元： 动作对比单元利用关键帧提取网络得到的关键帧图片和VideoPose3D人体姿态估计算法得到的2D、3D人体骨骼点坐标，然后对比普通球手和职业球员的挥杆关键事件动作图片、3D骨架模型以及身体关键部位的关节角度，以最直观的形式呈现； 标准度评分单元在动作对比单元提供的差异呈现的基础上，提供有具体数据显示的标准度评分，分别针对每个关键事件的动作对职业球员和普通球员的骨骼点进行距离计算； 多尺度的时序MLPFormer对所述图像特征序列f的处理包括以下步骤： 所述图像特征序列f经过嵌入层获得MLPFormer的嵌入token序列； 将token序列送入堆叠的B个时序MLPFormer块，每个MLPFormer块线对token序列进行时序MLP处理后输入添加了残差连接的前馈层和层归一化； 将通过B个时序MLPFormer块得到的各个阶段的输出进行线性投影和上采样，并将最后一阶段的高语义特征添加到前面各个阶段的输出中，形成语义丰富的特征； 将不同阶段处理后的输出进行拼接，得到一个包含多尺度信息的视频表示，将该视频表示使用全连接层进行分类； 对所述关键帧提取网络进行训练时，将事件类c的第t帧标签值用表示，其中，tc′表示事件c的关键帧，σ为可调的序列长度自适应标准差，若当前帧与事件帧之间的距离超过阈值r，则标签值仍为0，其中，设置r的值为τ·δ，δ为错误容忍度其中，n是从关键事件“准备动作”到“击球”之间帧的数量，s是采样频率，指的是x附近最近的整数，τ是一个倍乘系数。

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东华大学，其通讯地址为：200051 上海市长宁区延安西路1882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。