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！

龙图腾网获悉厦门大学;厦门大学深圳研究院申请的专利基于过去完成度和未来趋势的自监督三维动作预测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：CN116310653B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202310342324.2，技术领域涉及：G06V10/774；该发明授权基于过去完成度和未来趋势的自监督三维动作预测方法是由王一帆;赵冲;王其聪;秦启峰设计研发完成，并于2023-04-03向国家知识产权局提交的专利申请。

本基于过去完成度和未来趋势的自监督三维动作预测方法在说明书摘要公布了：基于过去完成度和未来趋势的自监督三维动作预测方法，属于计算机视觉领域。首先提出动作完成度感知任务和运动预测任务，以监督模型学习包含动作状态信息和趋势信息的特征表示。并且设计一个多任务自监督学习框架，引入对比学习辅助任务提取关于动作的高阶语义特征，在不需要人工标签的前提下，融合多项自监督任务损失引导网络学习具有判别性的动作特征。最后在此基础上提出一个完整动作序列生成模块，充分利用自监督训练的动作完成度感知器和运动预测器，从不完整序列生成对应的完整序列，补全序列中缺失的信息，融合部分预测和全局预测得到最终预测，有效提高动作预测的精度。

本发明授权基于过去完成度和未来趋势的自监督三维动作预测方法在权利要求书中公布了：1.基于过去完成度和未来趋势的自监督三维动作预测方法，其特征包括以下步骤： 1预处理三维骨架序列数据集，生成三维动作预测数据集； 2设计动作完成度感知任务和运动预测任务监督模型训练，监督模型提取不完整动作序列中的过去完成度信息和未来趋势信息； 3设计对比学习辅助任务，监督模型提取不完整动作序列中的高阶语义信息，优化特征空间，并设计多任务自监督学习框架，增强模型的鲁棒性，具体步骤如下： 1对于不完整的动作序列样本，将其对应的完整动作序列输入特征编码器，得到特征表示； 2基于多层感知机构建对比学习任务头，分别将不完整动作序列的特征和其对应完整动作序列的特征投影到对比学习特征空间，同时从方向和数值上计算两个特征向量的距离，得到对比学习损失； 3构建多任务自监督学习框架，将动作完成度感知损失、运动预测损失和对比学习损失进行加权求和后得到总损失，监督特征编码器和三个下游任务头的权重训练； 4设计基于完整序列生成模块的三维动作预测网络，在不引入额外参数的前提下生成完整序列，补全缺失信息，并融合部分预测和全局预测得到最终预测； 所述设计基于完整序列生成模块的三维动作预测网络，具体步骤如下： 1将动作完成度感知头和运动预测头融合，得到完整序列生成模块，即输入不完整的动作序列，输出其对应的完整动作序列； 2应用训练好的特征提取器分别提取不完整动作序列和其生成的动作序列的特征并做出预测，融合两个预测得到最终的预测结果； 5在三维动作预测数据集上，计算多任务自监督学习框架中的各项损失和，通过反向传播算法和随机梯度下降法对网络进行训练，得到最终训练好的模型； 6利用训练好的模型测试三维动作预测的识别效果，模型输出各个动作类别的预测值，对输出值进行归一化得到最终的动作预测结果。

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厦门大学;厦门大学深圳研究院，其通讯地址为：361005 福建省厦门市思明区思明南路422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。