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一种基于特征融合的人物交互检测方法、系统、设备及介质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：CN116664935B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310643239.X，技术领域涉及：G06V10/764；该发明授权一种基于特征融合的人物交互检测方法、系统、设备及介质是由武泽海;盛立杰;苗启广设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种基于特征融合的人物交互检测方法、系统、设备及介质在说明书摘要公布了：一种基于特征融合的人物交互检测方法、系统、设备及介质，方法步骤为：构建深度神经网络；对构建的深度神经网络进行初始化；将HICO‑DET数据集与通过Faster‑RCNN网络对HICO‑DET数据集预测出的物体框及其类别进行合并，生成新的图像集合；训练初始化后的深度神经网络；将新的测试集输入到训练好的深度神经网络中，进行交互行为分类预测，得到测试集的测试准确率；系统、设备及介质用于实现该方法；本发明通过从不同特征层获取独立特征和交互特征并将其进行融合，能够有效利用交互区域的上下文信息，使提取出的特征信息得到充分利用，具有提升交互行为预测性能的特点。

本发明授权一种基于特征融合的人物交互检测方法、系统、设备及介质在权利要求书中公布了：1.一种基于特征融合的人物交互检测方法，其特征在于：包括以下步骤： 步骤1，构建深度神经网络；具体包括： 步骤1.1，构建一个六层的特征提取网络，其结构依次为：输入层→第1个卷积层→第1个残差卷积层→第2个残差卷积层→第3个残差卷积层→第4个残差卷积层； 步骤1.2，构建一个三层的特征增强网络，其结构依次为：第1个卷积层→第2个卷积层→第3个卷积层； 步骤1.3，构建两个相同结构的三层的网络，分别作为人体独立特征处理网络和物体独立特征处理网络，其结构依次为：第1个自适应池化层→第1个全连接层→第2个全连接层； 步骤1.4，构建一个三层的交互特征处理网络，其结构依次为：第1个自适应池化层→第1个全连接层→第2个全连接层； 步骤1.5，构建一个两层的交互行为分类网络，其结构以此为：第1个全连接层→第2个全连接层； 步骤2，对步骤1构建的深度神经网络进行初始化； 步骤3，将HICO-DET数据集与通过Faster-RCNN网络对HICO-DET数据集预测出的物体框及其类别进行合并，生成新的图像集合，所述新的图像集合包括新的训练集和测试集； 步骤4，训练步骤2初始化后的深度神经网络；具体方法为： 步骤4.1，在步骤3中生成的新的训练集中随机取出R张图像，其中，R是数据批处理大小，将随机取出的R张图像输入步骤1.1中特征提取网络后获得骨干特征； 步骤4.2，根据步骤4.1中随机取出的R张图像的尺寸，与特征提取网络中提取出的骨干特征的尺寸，对人物框和物体框进行缩放； 步骤4.3，通过步骤1.1的特征提取网络和步骤1.2的特征增强网络，获取独立特征与交互特征；具体为： 将步骤1.1的特征提取网络第3个残差卷积层的输出传入步骤1.2的特征增强网络中，获得增强后的骨干特征，根据步骤4.2缩放后的人物框和物体框大小从增强后的骨干特征中截取出独立特征，根据交互区域的框信息从步骤1.1的特征提取网络第4个残差卷积层的输出特征中截取出交互特征； 步骤4.4，对步骤4.3截取的独立特征与交互特征进行特征融合操作；具体方法为： 将步骤4.3截取的独立特征与交互特征分别传入到步骤1.3独立特征处理网络与步骤1.4交互特征处理网络进行降维操作，随后根据下式，将独立特征与交互特征进行融合： 其中，fl,i表示人和物体的独立特征，i∈{h,o}表示该特征是属于人还是物体，fg表示交互特征，fl,i·fg表示矩阵点乘后再求和，两个特征中对应位置元素相乘，|fg|2是对fg的L2正则，随后根据下式求得出正交于fg的分量： fl_f,i＝fl,i-fl_m,i 将最终求得出的独立特征与交互特征进行堆叠； 步骤4.5，将步骤4.4融合后的特征传入到步骤1.5构建的交互行为分类网络中进行类别预测，最终交互行为分类网络输出R张图像中交互区域的预测分类标签； 步骤4.6，根据步骤4.5中获得的预测分类标签计算步骤4.1中R张图像的每个样本正确分类的Focal损失值； 步骤4.7，用步骤4.6计算的Focal损失值对步骤2初始化后的深度神经网络中每个节点的权值求偏导，得到深度神经网络中每个节点权值的梯度值； 步骤4.8，用步骤4.7中计算出的当前每个节点的梯度值更新步骤2初始化后的深度神经网络中所有的参数； 步骤4.9，将步骤3中生成的新的测试集依次输入到步骤4.8更新后的深度神经网络中，输出每幅图像对应的预测分类标签，计算深度神经网络在测试集上的准确率； 步骤4.10，判断步骤4.9中的准确率是否仍在持续上升，若不再上升，得到训练好的深度神经网络，否则，执行步骤4.1； 步骤5，将步骤3得到的新的测试集输入到步骤4训练好的深度神经网络中，进行交互行为分类预测，得到测试集的测试准确率。

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。