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动作语义引导的自监督骨架行为识别方法、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：CN119131880B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202410893920.4，技术领域涉及：G06F30/27；该发明授权一种基于动作语义引导的自监督骨架行为识别方法、系统、设备及介质是由刘如意;吴梦瑶;刘义;辛文天;苗启广;谢琨;孙鹏岗设计研发完成，并于2024-07-04向国家知识产权局提交的专利申请。

本一种基于动作语义引导的自监督骨架行为识别方法、系统、设备及介质在说明书摘要公布了：一种基于动作语义引导的自监督骨架行为识别方法、系统、设备及介质，其方法是：首先，获取待训练骨架视频样本并进行预处理；其次，通过动作语义生成模块生成预处理后人体骨架数据集中每类动作的语义原型，即生成对应动作文本语义特征；另外，将预处理后的人体骨架数据集输入到特征增强模块FAM，实现骨架数据增强，生成对应动作的骨架特征；最后，使用多模态融合模块融合对应动作的动作文本语义特征和骨架特征，辅助模型从语义层面学习更具区别性和代表性的动作表示，提升模糊动作识别精度，通过对比学习的方法，以自监督的方式旨在保证模型识别性能的同时降低对大规模标注数据的依赖，实现基于骨架的人体动作分类；其系统、设备及介质基于动作语义引导的自监督骨架行为识别方法，对人体动作进行识别分类，具有准确性高和鲁棒性好的优点。

本发明授权一种基于动作语义引导的自监督骨架行为识别方法、系统、设备及介质在权利要求书中公布了：1.一种基于动作语义引导的自监督骨架行为识别方法，其特征在于， 首先，获取待训练骨架视频样本并进行预处理； 其次，通过动作语义生成模块生成预处理后人体骨架数据集中每类动作的语义原型，生成对应动作文本语义特征，具体来说，先为大规模语言模型LLM设计动作提示生成行为描述，然后生成的描述被馈送到文本编码器生成对应动作文本语义特征； 另外，将预处理后的人体骨架数据集输入到特征增强模块FAM，特征增强模块FAM包括数据增强模块和随机骨架掩码数据增强模块； 在数据增强模块中，给定原始骨架序列S，通过裁剪和剪切变换得到增强后的骨架序列，使用查询编码器和动量更新的键值编码器提取人体骨架的时空特征，然后使用全局平均池化GAP获得查询嵌入z和键值嵌入； 通过随机骨架掩码数据增强模块，使动作识别在时序动作区间上的部分序列来执行： 进行原始骨架序列可视化，由于动作通常发生在一个很小的局部时序区域，动作开始的数个时间帧无运动发生；将数据增强模块中增强的骨架序列和表示人体关节物理连接的邻接矩阵分别表示为X和A，特征提取计算为： 这里，=A+I,是对角度矩阵，I是单位阵，·是激活函数；是可学习矩阵；采用骨架编码器，输入增强的骨架序列； 对上述增强后的骨架序列的特征进行截断c%，丢弃剩余序列，生成一组密集的静态锚点StaticAncor： 是第i批序列中第t帧的数据，t在截断的范围之内，0tT×c%，N是批量大小，V是节点个数，c是超参数； 计算原始骨架与静态锚点之间的相似性，为了挖掘运动区域，将静态锚点与数据增强模块中得到的骨架序列进行比较，生成掩码矩阵： X∈RC×T×V是原始骨架数据，A∈RV×V，n是骨架序列的数量，f是骨架编码器，T是数据增强，c是超参数，Mr∈RC×T×V是一个[0,1]掩码矩阵； 根据掩码矩阵掩蔽一些时间帧数据，生成一个掩码后的骨架序列gr，表示为： 掩码后的序列需要被统一为固定长度的序列数据，采用多次插值将掩码后的骨架序列调整到的目标长度实现骨架数据增强，生成对应动作的骨架特征； 最后，使用多模态融合模块融合对应动作的动作文本语义特征和骨架特征，辅助模型从语义层面学习更具区别性和代表性的动作表示，提升模糊动作识别精度，通过对比学习的方法，以自监督的方式在保证模型识别性能的同时降低对大规模标注数据的依赖，实现基于骨架的人体动作分类。

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。