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！

龙图腾网获悉江西财经大学申请的专利基于轻量化多变量时空卷积的动态手势识别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：CN121583004B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610102498.5，技术领域涉及：G06V40/20；该发明授权基于轻量化多变量时空卷积的动态手势识别方法是由廖国琼;陈柯帆;黄龙杰;张家俊;贺藤滔;辜勇设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于轻量化多变量时空卷积的动态手势识别方法在说明书摘要公布了：本发明提出一种基于轻量化多变量时空卷积的动态手势识别方法，该方法包括：基于伪3D门控注意力融合网络构建空间特征提取模块，利用空间特征提取模块提取多尺度空间特征，并利用门控注意力融合模块注入引导热图，增强关键区域特征并抑制背景干扰，以得到空间细化特征序列；将空间细化特征序列分解为多个子变量，利用现代卷积模块并行捕捉长程与局部时间依赖，并通过解耦特征交互网络分别进行变量内与变量间的关系建模，得到动态手势识别结果。本发明通过将多变量特征分解策略与现代卷积相结合，现代卷积的双分支设计优势在于兼顾长程依赖与局部细节，解决了传统卷积在捕捉长程时间依赖关系方面的局限性，并对复杂动态进行建模。

本发明授权基于轻量化多变量时空卷积的动态手势识别方法在权利要求书中公布了：1.一种基于轻量化多变量时空卷积的动态手势识别方法，其特征在于，所述方法包括如下步骤： 步骤1、基于伪3D门控注意力融合网络构建空间特征提取模块，基于多变量分解时序卷积网络构建时间建模模块，利用空间特征提取模块与时间建模模块构成轻量化多变量时空卷积模型；所述伪3D门控注意力融合网络包括：基础特征提取层、InceptionBlock模块和门控融合注意力模块，所述多变量分解时序卷积网络包括：变量分解单元、现代卷积模块、解耦特征交互网络和变量聚合单元； 步骤2、获取动态手势视频片段，利用空间特征提取模块对动态手势视频片段依次进行多尺度空间特征提取与先验增强处理，以得到空间细化特征序列，具体包括如下子步骤： 利用基础特征提取层对动态手势视频片段进行初步特征编码，得到初步特征图； 利用InceptionBlock模块对初步特征图进行多尺度特征融合，得到多尺度融合特征图，所述InceptionBlock模块包括四条并行卷积分支； 基于动态手势视频片段获取引导热图，利用门控融合注意力模块将引导热图与多尺度融合特征图进行融合，得到空间细化特征序列； 步骤3、利用时间建模模块对所述空间细化特征序列依次进行特征分解、多尺度时间依赖关系捕捉以及解耦特征交互处理，以得到时变特征序列，具体包括如下子步骤： 利用变量分解单元将空间细化特征序列沿通道维度进行划分，得到独立子特征向量集合； 基于独立子特征向量集合，利用现代卷积模块对独立子特征向量进行时间建模，捕捉多尺度时间依赖关系，以得到经过时间建模的子特征向量； 利用解耦特征交互网络对经过时间建模的子特征向量进行变量内和变量间的特征交互，得到交互后的子特征向量； 利用变量聚合单元对交互后的子特征向量进行融合，得到时变特征序列； 所述现代卷积模块采用双分支深度可分离卷积结构，所述双分支包括大核卷积分支与小核卷积分支； 步骤4、将时变特征序列依次经过平均池化、层归一化与全连接层处理，以得到预测分数矩阵； 步骤5、基于预测分数矩阵构建得到交叉熵损失函数，利用交叉熵损失函数对轻量化多变量时空卷积模型进行训练，得到训练后的轻量化多变量时空卷积模型；将动态手势视频片段输入至训练后的轻量化多变量时空卷积模型中，以得到动态手势识别结果。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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。