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！

龙图腾网获悉西安理工大学申请的专利面向行为识别的人体骨骼生成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：CN116311365B 。

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：202310234335.9，技术领域涉及：G06V40/10；该发明授权面向行为识别的人体骨骼生成方法是由刘龙;陈嘉玉设计研发完成，并于2023-03-10向国家知识产权局提交的专利申请。

本面向行为识别的人体骨骼生成方法在说明书摘要公布了：本发明公开了一种面向行为识别的人体骨骼生成方法，步骤包括：1收集相关人体骨骼动作的数据集；2对数据集预处理，挑选出需要生成的动作类别样本与需要借鉴风格的完备动作样本，划分出训练集和测试集；3搭建骨骼风格迁移特色的生成网络，生成网络由编码器、解码器及判别器组成，其中编码器和解码器一起构成生成器，编码器又细分为内容编码器和风格编码器；4采用训练集依次对内容编码器、风格编码器、解码器和判别器进行训练；5，将生成的新样本参与行为识别网络的训练，提高行为识别网络的泛化能力，使得测试集上对动作的准确率提升。本发明方法在人体骨骼生成的结果准确性更好，识别效果更好。

本发明授权面向行为识别的人体骨骼生成方法在权利要求书中公布了：1.一种面向行为识别的人体骨骼生成方法，其特征在于，按照以下步骤实施： 步骤1，收集相关人体骨骼动作的数据集； 步骤2，对步骤1得到的数据集预处理，挑选出需要生成的动作类别样本与需要借鉴风格的完备动作样本，划分出训练集和测试集； 步骤3，搭建骨骼风格迁移特色的生成网络，生成网络由编码器、解码器及判别器组成，其中编码器和解码器一起构成生成器，编码器又细分为内容编码器和风格编码器，具体过程是： 对NTURGBD60数据集中要参与训练生成网络的骨骼数据计算其速度，速度通过相邻帧的坐标点做差获得，见式1，将关节点坐标输入到内容编码器中，速度值输入到风格编码器中，则有： 1其中，为人体的关节点坐标，为计算得到该时刻的速度值，t为当前时刻； 所述的内容编码器的结构中，输入的数据为人体的骨骼数据，T表示时间维度的第T帧，其余三个数值表示分别对于X,Y,Z方向上的坐标值；输入的坐标值经过3次以步长为2的1D卷积和BN层串联的模块得到最终的骨骼向量；另外，采用BN归一化层加快网络收敛的速度，不容易发散，提高训练的精度和速度； 所述的风格编码器的结构中，输入的数据为骨骼数据，T表示时间维度的第T帧，其余三个数值表示分别对于X,Y,Z方向上的速度值，速度值通过式1由原始数据计算得到；输入的速度值经过3次以步长为1的1D卷积和BN层串联的模块，再经过一层LSTM层得到最终的速度向量，具体的LSTM计算值见式2： 2其中，表示待训练的网络参数，表示当前节点的特征值，表示之前时刻积累的特征值，表示偏置特征值，表示为非线性激活函数； 在解码器的结构中，将前述两个编码器分别得到的内容向量与速度向量一同作为输入，内容向量作为主体，经过3层串联的1D卷积、SPAdaIN残差块、LSTM网络层和一层1D卷积得到骨骼数据Y；速度向量分别经过3层Linear全连接层，再与内容向量的各阶段特征做SPAdaIN操作，以便修正后得到最终生成样本的特征，具体的SPAdaIN操作计算见式3： 3其中，x、v分别代表输入的内容向量和风格向量，、分别表示对应特征的均值和标准差； 判别器由多个传统的1D卷积串联而成； 自此，在训练过程中，将最终生成的骨骼数据与参与训练生成网络的骨骼数据一起喂给判别器，得到完整的生成网络； 步骤4，采用训练集依次对内容编码器、风格编码器、解码器和判别器进行训练； 步骤5，将生成的新样本参与行为识别网络的训练，提高行为识别网络的泛化能力，使得测试集上对动作的准确率提升。

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理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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。