買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜江西財經大學申請的專利基于深度學習的動物行為識別方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119296185B 。

龍圖騰網通過國家知識產權局官網在2025-05-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411836181.1，技術領域涉及：G06V40/20；該發明授權基于深度學習的動物行為識別方法及系統是由張子睿;鄧慶山;廖波設計研發完成，并于2024-12-13向國家知識產權局提交的專利申請。

本基于深度學習的動物行為識別方法及系統在說明書摘要公布了：本發明公開了基于深度學習的動物行為識別方法及系統，方法包括數據收集、數據重構、個體行為分類、群體關聯分析和動物行為識別。本發明涉及動物行為識別技術領域，具體是指基于深度學習的動物行為識別方法及系統，本方案采用結合個體分析和群體分析的綜合動物行為識別方法，通過個體行為分析識別具體的行為類型，并通過群體關聯分析結合多個動物進行綜合分析和聚類，提高了動物行為識別的識別深度和綜合可用性；采用結合結構和注意力改進的殘差卷積循環神經網絡，進行個體行為分類；采用結合強化學習的動靜態圖神經集成網絡，進行群體關聯分析。

本發明授權基于深度學習的動物行為識別方法及系統在權利要求書中公布了：1.基于深度學習的動物行為識別方法，其特征在于：該方法包括以下步驟：步驟S1：數據收集，通過多源數據收集，進行動物行為數據捕捉，得到動物行為識別原始數據集；所述動物，具體指家養寵物類動物，具體包括家貓和家犬；步驟S2：數據重構，得到動物行為識別優化數據集，具體包括劃分數據集和整合特征數據集；步驟S3：個體行為分類，用于識別并分類動物的個體行為類型并給出行為分類明細結果，具體為依據所述動物行為識別優化數據集，采用結合結構和注意力改進的殘差卷積循環神經網絡，進行個體行為分類，得到動物個體行為分類明細數據，包括以下步驟：步驟S31：構建改進殘差卷積子網，具體為通過對標準殘差卷積網絡進行結構改進和注意力改進，構建改進殘差卷積子網；所述進行結構改進和注意力改進，具體包括結構改進和注意力改進；所述結構改進，具體指將標準卷積層替換為經過時序卷積層和深度可分離卷積層處理后的集成卷積；所述注意力改進，具體指應用空間注意力和通道注意力機制進行注意力改進；步驟S32：構建視覺檢測子網，具體為采用預訓練的計算機視覺目標檢測模型進行目標檢測，得到目標檢測定位特征；步驟S33：構建循環集成子網，具體為構建標準長短期記憶網絡和標準門控循環單元，并進行時序特征加權集成，構建所述循環集成子網；所述標準長短期記憶網絡，用于優化長期動物個體行為的特征提取；所述標準門控循環單元，用于優化短期行為變化的特征提取；步驟S34：個體行為分類模型訓練，具體為通過所述改進殘差卷積子網、所述視覺檢測子網和所述循環集成子網，并構建標準softmax模型和回歸模型的組合分類輸出層，進行個體行為分類模型訓練，得到個體行為分類模型ModelOA；步驟S35：個體行為分類，具體為依據所述動物行為識別優化數據集，使用所述個體行為分類模型ModelOA，進行個體行為分類，得到動物個體行為分類明細數據；所述動物個體行為分類明細數據，具體包括圖像檢測標注數據、行為類別分類數據、行為概率量化參考數據和時間戳數據步驟S4：群體關聯分析，用于針對群體性的動物行為分析個體行為和群體行為的關聯并提供分類明細，具體為依據所述動物行為識別優化數據集和動物個體行為分類明細數據，采用結合強化學習的動靜態圖神經集成網絡，進行群體關聯分析，得到動物群體行為關聯分析明細數據，具體包括以下步驟：步驟S41：構建靜態圖神經子網，具體為構建初始化圖結構，并構建標準圖神經網絡作為靜態圖神經子網；所述初始化圖結構，具體包括節點特征和邊特征；所述節點特征，用于表示動物的個體及個體的行為狀態，具體從所述動物個體行為分類明細數據中獲得；所述邊特征，用于表示動物間的互動強度和相似度，具體從所述動物行為識別優化數據集和動物個體行為分類明細數據中結合獲得；步驟S42：構建動態圖神經子網，具體為依據所述初始化圖結構，在標準圖神經網絡的基礎上引入時間變量維度，進行動態圖神經子網構建；步驟S43：構建強化學習子模型，具體為通過構建強化學習智能體模型，并進行深度Q網絡優化策略迭代訓練，得到群體關聯性最優個體行為類型；在所述群體關聯性最優個體行為類型中，最優個體行為具體指與群體關聯性最強的個體行為；所述構建強化學習智能體模型，具體為構建動物個體狀態變量、動物個體行為變量和行為獎勵變量，計算公式為：MA＝{s,a,r}；式中，MA是強化學習智能體模型，s是動物個體狀態變量，用于表示動物當前的個體行為，a是動物個體行為變量，用于表示動物當前可以進行的行為，r是行為獎勵變量，用于表示根據個體行為對群體行為或交互行為造成的影響計算的獎勵參數；步驟S44：構建聚類分析輸出層，具體為通過對所述靜態圖神經子網的輸出、所述動態圖神經子網的輸出和所述強化學習子模型的輸出進行集成，并構建聚類分析層進行輸出，得到群體關聯分析輸出；所述群體關聯分析輸出的計算公式為：Cg＝fKmeansλ1Q+λ2hk+λ3h1t；式中，Cg是群體關聯分析聚類輸出，fKmeans·是K均值聚類計算函數，λ1是強化學習輸出權重，Q是強化學習子模型的輸出，λ2是靜態圖神經子網權重，hk是靜態圖神經子網的輸出，λ3是動態圖神經子網的輸出，hlt是動態圖神經子網的輸出；步驟S45：群體關聯分析模型訓練，具體為通過所述靜態圖神經子網、所述動態圖神經子網、所述強化學習子模型和所述聚類分析輸出層，進行群體關聯分析模型訓練，得到群體關聯分析模型ModelFA；步驟S46：群體關聯分析，具體為依據所述動物行為識別優化數據集和動物個體行為分類明細數據，使用所述群體關聯分析模型ModelFA，進行群體關聯分析，得到動物群體行為關聯分析明細數據；所述動物群體行為關聯分析明細數據，具體包括群體行為類型、群體行為時間模式和群體行為關聯動物情感類型；步驟S5：動物行為識別，進行動物行為綜合識別，得到動物行為識別參考數據。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人江西財經大學，其通訊地址為：330000 江西省南昌市經濟技術開發區雙港東大街169號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。