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！

龙图腾网获悉北京中科金财科技股份有限公司申请的专利一种基于超图深度特征融合的跌倒行为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：CN121236821B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511363277.5，技术领域涉及：G06V40/20；该发明授权一种基于超图深度特征融合的跌倒行为识别方法是由王子坤;杨京雨设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本一种基于超图深度特征融合的跌倒行为识别方法在说明书摘要公布了：本发明属于计算机视觉和人工智能技术领域，本发明公开了一种基于超图深度特征融合的跌倒行为识别方法；包括以下步骤：S1、输入原始特征图；S2、通过高级特征动态聚合系统处理输入的原始特征图，从而生成综合特征矩阵；S3、利用超级信息传播与特征融合引擎对综合特征矩阵执行深层信息传播，从而输出增强的特征矩阵；本发明通过引入超图技术和多层次特征融合策略，有效解决了现有技术在跌倒检测准确性和实时性方面的不足，提高了系统在复杂环境中的适应能力和整体性能。

本发明授权一种基于超图深度特征融合的跌倒行为识别方法在权利要求书中公布了：1.一种基于超图深度特征融合的跌倒行为识别方法，其特征在于，包括以下步骤： S1、输入原始特征图，所述原始特征图包括若干个含有跌倒行为的图像； S2、通过高级特征动态聚合系统处理输入的原始特征图，从而生成综合特征矩阵，其中，所述通过高级特征动态聚合系统处理输入的原始特征图，从而生成综合特征矩阵的步骤，包括： 输入原始特征图，并训练一组权重用于评估每个通道的贡献度，将每个通道的贡献度根据学习到的权重进行调整，即输出调整后的原始特征图，其中，，式中，表示原始特征图中通道的贡献度，为学习得到的权重，“”表示逐元素乘积； 将调整后的原始特征图通过一系列不同尺寸的卷积核提取特征，然后将这些特征通过加权求和的方式合并，提取并输出合并后的特征图，其中，，式中，是第k个尺度卷积的权重，表示第k个尺寸的卷积操作； 输入来自网络不同深度层次的特征图，使用融合策略f优化最终特征的表达，输出融合后的特征图，其中，，式中，是不同深度层次的特征图，是融合函数； 将通过加权求和的方式合并、以及，生成综合特征矩阵，综合特征矩阵的表达式为： ，式中，为最终输出的特征图，即综合特征矩阵；、和分别是、以及各自层输出的加权系数；“”表示特征图与其对应权重的逐元素乘积；“+”表示加权求和操作用于合并来自不同特征处理模块的信息；Conv1x1表示一个1x1的卷积操作； S3、利用超级信息传播与特征融合引擎对综合特征矩阵执行深层信息传播，从而输出增强的特征矩阵，其中，所述利用超级信息传播与特征融合引擎对综合特征矩阵执行深层信息传播，从而输出增强的特征矩阵的步骤，包括： 利用超图特征构建器将来自不同网络层的特征映射到超图结构的顶点上，并通过定义超边来描绘这些顶点间的复杂关系； 利用高阶超图深度传播网络在超图结构上执行深层次的信息传播，其中，利用超图的邻接矩阵H、综合特征矩阵以及HGDPN执行超图卷积，用于在顶点间传递信息，进而更新每个顶点的状态； 输出增强的特征矩阵的公式为： ，式中，表示输出的增强的特征矩阵，为超图的邻接矩阵；HGDPNG,表示使用高阶超图深度传播网络对综合特征矩阵进行处理的结果；“”为超图的邻接矩阵H和由HGDPN生成的特征矩阵的乘法；“+”表示将经超图的邻接矩阵传播后的高阶超图深度传播网络对综合特征矩阵进行处理的结果与综合特征矩阵进行残差连接；ReLU为激活函数； S4、通过综合语义与动态检测网络处理和优化增强的特征矩阵，随后再使用3x3卷积进一步提取特征，最终通过Softmax函数进行输出分类，其中，所述通过综合语义与动态检测网络处理和优化增强的特征矩阵的步骤，包括： 利用超图卷积技术整合来自不同层次的特征，其中，通过超图深度传播网络处理各层输出的特征矩阵，将这些特征矩阵通过超图结构进行信息传递和更新，最终形成一个更新和增强的特征矩阵； S5、输出跌倒行为检测结果。

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北京中科金财科技股份有限公司，其通讯地址为：100085 北京市海淀区学清路9号汇智大厦11层2单元1201B室；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。