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！

龙图腾网获悉电子科技大学申请的专利基于2D人体姿态估计的竞走视频犯规动作自动检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：CN119541049B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202411654648.0，技术领域涉及：G06V40/20；该发明授权基于2D人体姿态估计的竞走视频犯规动作自动检测方法是由周航;刘江;赵永胜;陈铖;曾辽原设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本基于2D人体姿态估计的竞走视频犯规动作自动检测方法在说明书摘要公布了：本发明公开了基于2D人体姿态估计的竞走视频犯规动作自动检测方法，属于计算机视觉与体育科学交叉技术领域，具体地：构建并训练基于时空自注意力的视频2D人体姿态估计网络，包括依次的图片人体姿态估计网络、关节特征嵌入模块以及内嵌时序块移动操作的时空自注意力Transformer网络；通过专家对竞走视频数据集分类，输入至训练后的视频2D人体姿态估计网络，输出关节点估计二维坐标，与计算的左右膝关节夹角共同输入至逻辑回归模型进行训练，得到针对不同犯规动作的逻辑回归模型，用于犯规动作自动检测。本发明利用时空自注意力机制融合视频帧之间丰富的时间信息，获取更加精准的人体二维坐标，再结合逻辑回归模型学习竞走犯规动作，实现竞走犯规动作的自动检测分类，检测准确度较高。

本发明授权基于2D人体姿态估计的竞走视频犯规动作自动检测方法在权利要求书中公布了：1.基于2D人体姿态估计的竞走视频犯规动作自动检测方法，其特征在于，包括以下步骤： 步骤1、构建基于时空自注意力的视频2D人体姿态估计网络，包括依次的图片人体姿态估计网络、关节特征嵌入模块以及内嵌时序块移动操作的时空自注意力Transformer网络； 以视频人体姿态估计数据集的RGB视频为输入，RGB视频中每一帧的关节点真实二维坐标为估计目标，对基于时空自注意力的视频2D人体姿态估计网络进行训练，得到训练后的基于时空自注意力的视频2D人体姿态估计网络； 所述图片人体姿态估计网络，用于提取RGB视频中每一帧的全局特征； 所述关节特征嵌入模块，用于将每一帧的全局特征转换为由N个关节点对应的特征嵌入构成的N×P维的令牌序列；N=15,15个关节点分别为头、鼻子、颈部、左肩膀、右肩膀、左手肘、右手肘、左手腕、右手腕、左胯部、右胯部、左膝盖、右膝盖、左脚踝和右脚踝；P表示特征维度； 所述内嵌时序块移动操作的时空自注意力Transformer网络，包括多个重复堆叠的编码块和解码块，各编码块包括依次的第一层归一化、时间块移动操作、多头自注意力层、时间块复位操作、第二层归一化和前馈神经网络层；其中，第一个编码块的输入为具有位置嵌入的令牌序列；前一个编码块输出的特征作为后一个编码块的输入，最后一个编码块的输出经多个解码块处理后，输出每一帧的关节点估计二维坐标；时序块移动操作用于将每一帧对应前后连续M=9帧的令牌序列融合为对应帧的N×P维的融合特征；时间块复位操作用于将融合特征恢复至原始位置； 对每一帧，利用3×3维的移动模式窗口矩阵，实现对应前后连续M=9帧的令牌序列融合，具体过程为： 假设当前帧为第t帧，记第t帧的令牌序列为，其中为第个关节点的特征嵌入； 将第t帧的前4帧和后4帧的令牌序列融合为第t帧的融合特征，融合公式为： ； ； ； 式中，表示第t帧的融合特征；表示哈达玛积；表示待融合的令牌序列在连续9帧中的帧序号；表示第帧的令牌序列；表示连续9帧中第帧对应的移动矩阵；表示中第个关节点的元素值，具体取0或1；表示元素全为1的1×N维的矩阵； 所述移动模式窗口矩阵为： ； 其中，各元素的值表示待融合的令牌序列在连续9帧中的帧序号； 在连续9帧的N×P维的令牌序列中，通过滑动3×3维的移动模式窗口矩阵N×P9次，完成N×P维的完全融合，具体在每一次滑动的移动模式窗口矩阵中，根据第帧在移动模式窗口矩阵中所处元素位置，将该元素位置的融合特征设置为第帧对应关节点的特征嵌入，即将中对应关节点的元素值设置为1，其他元素值设置为0，因此中存在N3个取值为1的元素值，2N3个取值为0的元素值； 步骤2、获取竞走视频数据集，通过专家将所有竞走视频分为标准竞走动作、KB犯规动作和LC犯规动作三类，作为训练集； 步骤3、将训练集输入至训练后的基于时空自注意力的视频2D人体姿态估计网络，输出各竞走视频中每一帧的关节点估计二维坐标，经二维坐标标准化处理后，根据左胯部、右胯部、左膝盖、右膝盖、左脚踝、右脚踝的标准化估计二维坐标，计算左膝关节夹角和右膝关节夹角； 步骤4、构建两个逻辑回归模型，分别以KB犯规动作和LC犯规动作对应竞走视频中每一帧的左胯部、右胯部、左膝盖、右膝盖、左脚踝、右脚踝的标准化估计y坐标，以及左膝关节夹角和右膝关节夹角为输入进行训练，得到针对KB犯规动作的逻辑回归模型和针对LC犯规动作的逻辑回归模型； 步骤5、待检测竞走视频输入至训练后的基于时空自注意力的视频2D人体姿态估计网络，得到每一帧的关节点估计二维坐标，经二维坐标标准化处理后，输入至针对KB犯规动作的逻辑回归模型或针对LC犯规动作的逻辑回归模型，输出0表示待检测竞走视频为对应的KB犯规动作或LC犯规动作，输出1表示待检测竞走视频为标准竞走动作。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。