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！

龙图腾网获悉大连民族大学申请的专利一种用于视频行为识别的分组二阶时空特征聚合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：CN115439778B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202210999885.5，技术领域涉及：G06V20/40；该发明授权一种用于视频行为识别的分组二阶时空特征聚合方法是由张建新;王振伟;张冰冰;董微;张强设计研发完成，并于2022-08-19向国家知识产权局提交的专利申请。

本一种用于视频行为识别的分组二阶时空特征聚合方法在说明书摘要公布了：本发明公开了一种用于视频行为识别的分组二阶时空特征聚合方法，包括：使用预训练的2D卷积神经网络作为骨干模型，获取包含视频数据及标签的数据集并划分为训练集和测试集，对视频进行抽帧并保存到本地；采用稀疏采样方式对视频进行采样，将采样得到的帧作为输入传送至整体分组二阶聚合网络中；使用训练集训练分组二阶聚合网络，在每次迭代中更新网络参数，并在每个迭代使用测试集数据进行验证，保存最优验证精度的分组二阶聚合网络权重；使用准确率最高的权重文件初始化分组二阶聚合网络，在测试集上进行测试，将测试结果与标签数据进行对比，统计正确和错误的个数从而计算该网络在测试集上的准确率。

本发明授权一种用于视频行为识别的分组二阶时空特征聚合方法在权利要求书中公布了：1.一种用于视频行为识别的分组二阶时空特征聚合方法，其特征在于包括： 使用预训练的2D卷积神经网络作为骨干模型，并在2D卷积神经网络的最后一个卷积层之后使用分组二阶聚合模块替换2D卷积神经网络原有平均池化层获得分组二阶聚合网络； 获取包含视频数据及标签的数据集并划分为训练集和测试集，对视频进行抽帧并保存到本地； 采用稀疏采样方式对视频进行采样，将采样得到的帧作为输入传送至整体分组二阶聚合网络中； 使用训练集训练分组二阶聚合网络，在每次迭代中更新网络参数，并在每个迭代使用测试集数据进行验证，保存最优验证精度的分组二阶聚合网络权重； 使用准确率最高的权重文件初始化分组二阶聚合网络，在测试集上进行测试，将测试结果与标签数据进行对比，统计正确和错误的个数从而计算该网络在测试集上的准确率； 使用2D卷积神经网络中的ConvNeXt-T作为骨干模型，在ConvNeXt-T的最后一个卷积层之后，使用分组二阶聚合模块替换ConvNeXt-T原有的平均池化层获得分组二阶聚合网络； 设ConvNeXt-T最后一个卷积层的输出为χ∈RT×D×H×W，其中T、D、H、W分别为长度、深度、宽度和高度，将χ表示为一组D维的特征X＝{x1,...,xN}，其中N＝T×H×W，设整个特征空间为C，C有K个子空间，即C＝{c1,...,cK}，将特征描述符xi{i＝1,...,N}分配到K个子空间进行聚合； 在对特征进行聚合前，将输入特征分解为M个相对低维的向量集： 在聚合时，使用软分配的方式将特征描述符xi{i＝1,...,N}分配到子空间中，首先计算特征描述符到第k个子空间的软分配权重： αgkxi表示特征描述符分配到子空间ck的权重，将权重与残差信息相乘并在组间应用注意函数： Attnxi＝σFCxi 其中FC是全连接层，σ是sigmoid激活函数，使用加和的方式将所有子空间融合： 其中代表第k个子空间，对VF进行重塑操作，将其形状从转换为最后执行协方差池化以获得高阶统计信息： 其中，I和1分别表示n×n的单位矩阵和全1矩阵，k表示子空间的索引，ck表示第k个子空间，通过使用迭代矩阵平方根归一化方法近似计算协方差矩阵的平方根以利用协方差矩阵的几何表示。

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大连民族大学，其通讯地址为：116000 辽宁省大连市金州新区辽河西路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。