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！

龙图腾网获悉东南大学;东南大学深圳研究院申请的专利基于多阶段记忆映射的在线动作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：CN120431632B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202510522090.9，技术领域涉及：G06V40/20；该发明授权基于多阶段记忆映射的在线动作检测方法是由谢利萍;杨润然;方仕雄;张侃健设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本基于多阶段记忆映射的在线动作检测方法在说明书摘要公布了：本发明涉及一种基于多阶段记忆映射的在线动作检测方法，具体步骤包括：S1，特征提取：利用预训练模型从视频流中提取帧级特征；S2，记忆划分：将提取的特征根据时间分为长期记忆和短期记忆；S3，多级映射记忆编码：对长期记忆采用多阶段映射编码器，包括分段压缩和全局压缩分支，压缩提取关键信息，抑制无关背景；S4，循环解码更新：采用循环解码器对短期记忆进行动态更新，生成未来动作的预判信息；S5，模型训练与优化：通过设计改进损失函数，优化模型中局部特征与全局依赖的融合效果，提升整体检测性能；S6，在线动作检测，基于循环解码更新后的记忆特征实时检测动作，并根据实际的动作标签评估性能。本发明提高了动作检测的准确性和鲁棒性。

本发明授权基于多阶段记忆映射的在线动作检测方法在权利要求书中公布了：1.基于多阶段记忆映射的在线动作检测方法，其特征在于，包括如下步骤： S1，特征提取：利用预训练模型从视频流中提取帧级特征，为后续处理提供基础数据； S2，记忆划分：将提取的帧级特征根据时间分为长期记忆和短期记忆，以便分别处理全局依赖与局部动态； S3，多级映射记忆编码：对长期记忆采用多阶段映射编码器，其中分为分段压缩分支和全局压缩分支，以压缩并提取关键信息，同时抑制无关背景； S4，循环解码更新：采用循环解码器对短期记忆进行动态更新，同时生成未来动作的预判信息，确保当前检测与未来预测在语义上的连续性； S5，模型训练与优化：通过设计改进的损失函数，优化模型中局部特征与全局依赖的融合效果，提升整体检测性能； S6，在线动作检测，基于循环解码更新后的记忆特征进行实时动作检测，并根据实际的动作标签进行性能评估； 所述步骤S3具体包含以下内容： 1分段压缩分支的构建 将长期记忆划分为k个不重叠的子序列，每个子序列的长度为；对每个，首先利用一维卷积沿时序方向提取局部连续事件特征；随后，引入一组可学习查询向量，其中为子序列长度，D为特征嵌入维度；并利用共享权重的Transformer解码器对进行自注意力编码，聚焦于局部关键信息；最后，对编码结果施加平均池化操作，获得每个子序列的抽象表示，并将所有子序列表示级联后输入至Mamba模块，实现选择性信息传递和噪声抑制，从而生成分段压缩记忆； 2全局压缩分支的构建 为捕捉整个长期记忆中的全局时序依赖关系，采用基于分组级联注意力的Transformer解码器；具体步骤为：  a.将分割为多个子块，对每个注意力头j分别进行自注意力计算，其中j=1,2,…,h，计算公式为：    其中表示在第j个分组内的子特征，为相应的投影矩阵，Attn代表对应的自主注意力操作，Concat为特征维度上的拼接；  b.采用级联融合策略，将各注意力头的输出逐步相加：   c.在跨注意力计算中，引入等化因子α对查询向量进行修正，以减轻低质量累积信息的影响，进而得到全局压缩记忆 3双分支特征融合与最终记忆表示生成 将包含关键局部信息的分段压缩记忆作为查询来访问上分支中包含全局依赖项的全局压缩记忆，此过程产生作为局部信息的补充，采用加权求和后经LayerNorm归一化处理得到，将输入到连续两个Transformer编码器块中，以获得最终压缩的长期记忆，表示如下： 该最终表示既包含了局部连续事件的敏感特征，又融合了全局时序依赖信息，为后续短期记忆增强和在线动作检测提供了高质量的历史信息参考。

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东南大学;东南大学深圳研究院，其通讯地址为：211102 江苏省南京市江宁区东南大学路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。