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！

龙图腾网获悉浙江工业大学申请的专利一种面向人体骨架的羽毛球运动预测方法和装置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：CN117037216B 。

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：202311066979.8，技术领域涉及：G06V40/10；该发明授权一种面向人体骨架的羽毛球运动预测方法和装置是由张文安;沈浩铭;杨旭升;胡佛设计研发完成，并于2023-08-23向国家知识产权局提交的专利申请。

本一种面向人体骨架的羽毛球运动预测方法和装置在说明书摘要公布了：一种面向人体骨架的羽毛球运动预测方法和装置，其方法包括：获取羽毛球运动中人体骨架位置序列数据；基于骨架位置序列数据构建自适应运动关联图邻接矩阵；对骨架位置序列数据进行差分运算，获取骨架速度与加速度序列数据；将三组骨架序列数据分别送入双流图时空卷积神经网络中以获取深层次的运动时空特征，并将三个分支的高维运动特征进行融合；将融合后的运动特征信息与骨架位置序列的最后一帧数据输入到运动预测网络中，得到预测的骨架位置序列。本发明针对羽毛球运动状态下关节点间的运动关联性来获取运动模式的深层语义信息，挖掘数据的高阶运动学信息并合理充分地提取特征，还原了符合客观事实的递进的预测过程，提高了运动预测的精度。

本发明授权一种面向人体骨架的羽毛球运动预测方法和装置在权利要求书中公布了：1.一种面向人体骨架的羽毛球运动预测方法，其特征在于，所述方法包括以下步骤： 步骤1从深度相机获取的羽毛球运动下人体骨架序列中选取每个时刻下人体骨架的21个关节点在三维空间下的坐标数据作为输入的骨架位置序列数据； 步骤2基于骨架位置序列数据构建自适应运动关联图邻接矩阵；邻接矩阵表示为Amc，第i个关节点在所有观测帧中的位置特征向量表示为Xi，运动关联图的邻接矩阵的计算过程为： Vi＝fvXi1 Ei,j＝fe[Vi,Vj]2 Gi＝fgJi4 Hi＝fhJi5 其中，fv·表示对单个关节点三维位置特征的深度映射运算，fe·表示对两个不同关节点特征间联系的聚合运算，fj·表示对关节点特征的更新操作，fg·与fh·表示两种不同的关节点特征的深度映射运算，exp·表示以自然数e为底的指数函数，[·，·]表示向量拼接操作，Vi表示第i个关节点三维位置特征的深度映射表达，Ei,j表示聚合了第i个关节点和第j个关节点之间的相对特征，Ji表示聚合了第i个关节点与其他所有关节点间相对特征后更新的特征表达，Gi与Hi分别表示两种不同的关节点特征的深度映射表达，Hj与Hk分别表示特征向量Hj与Hk的转置，N表示关节点个数； 邻接矩阵Amc中的元素均被归一化在0到1之间，矩阵中第i行第j列的元素值代表第j个关节点相对于第i个关节点的运动关联性强度系数；Amc进行自适应，在模型训练过程中会被自动调整； 步骤3对骨架位置序列数据进行差分运算，获取骨架速度序列数据与骨架加速度序列数据特征；对骨架位置序列数据进行差分运算的方法具体表现为：对于输入的骨架位置序列数据，将相邻两帧位置数据做差分运算，获得骨架速度序列数据；再将相邻两帧速度数据做差分运算，获得骨架加速度序列数据，具体计算过程表达如下： Δα+1Xt＝ΔαXt-ΔαXt-17 其中，Δα代表α阶的差分运算符，Δ0Xt、Δ1Xt和Δ2Xt分别表示t时刻骨架点的位置、速度和加速度特征； 步骤4将三组骨架序列数据分别送入双流图时空卷积神经网络中以获取深层次的运动时空特征，并将三个分支输出的高维运动特征进行融合； 步骤5将步骤4中获取的运动特征信息与骨架位置序列的最后一帧数据输入到运动预测网络中，得到预测的人体骨架位置序列，完成预测过程。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。