買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江數(shù)新網(wǎng)絡(luò)有限公司申請(qǐng)的專(zhuān)利基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119649467B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-30發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202510142818.5，技術(shù)領(lǐng)域涉及：G06V40/20；該發(fā)明授權(quán)基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法及系統(tǒng)是由張永喆;柳佳怡;王步飛;原攀峰;陳廷梁設(shè)計(jì)研發(fā)完成，并于2025-02-10向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明提供基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法及系統(tǒng)，涉及機(jī)器視覺(jué)技術(shù)領(lǐng)域，包括對(duì)視頻流進(jìn)行預(yù)處理，利用YOLOv11算法檢測(cè)目標(biāo)，通過(guò)特征金字塔網(wǎng)絡(luò)和路徑聚合網(wǎng)絡(luò)提取特征，采用Openpose算法和小波變換提取姿態(tài)骨架和微表情特征，輸入深度學(xué)習(xí)模型生成行為特征向量。將特征向量輸入融合卷積神經(jīng)網(wǎng)絡(luò)與Transformer結(jié)構(gòu)的分析引擎，計(jì)算與預(yù)設(shè)模板的相似度并生成置信度得分，實(shí)現(xiàn)盜竊行為的精確識(shí)別和及時(shí)預(yù)警。

本發(fā)明授權(quán)基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.基于計(jì)算機(jī)視覺(jué)的盜竊行為識(shí)別方法，其特征在于，包括：采集視頻數(shù)據(jù)流，對(duì)所述視頻數(shù)據(jù)流進(jìn)行幀率轉(zhuǎn)換得到目標(biāo)幀率的視頻流，對(duì)所述目標(biāo)幀率的視頻流應(yīng)用高斯濾波和中值濾波進(jìn)行噪聲消除，采用閾值分割算法對(duì)濾波后的視頻流進(jìn)行圖像分割得到預(yù)處理后的視頻幀；利用YOLOv11深度學(xué)習(xí)目標(biāo)檢測(cè)算法對(duì)所述預(yù)處理后的視頻幀進(jìn)行目標(biāo)檢測(cè)與定位得到行為目標(biāo)的邊界框信息，將所述邊界框信息輸入特征金字塔網(wǎng)絡(luò)進(jìn)行多尺度特征提取并通過(guò)路徑聚合網(wǎng)絡(luò)融合高層語(yǔ)義特征和低層細(xì)節(jié)特征得到目標(biāo)特征圖；基于所述目標(biāo)特征圖采用Openpose算法提取所述行為目標(biāo)的手部關(guān)鍵點(diǎn)和軀干關(guān)鍵點(diǎn)的坐標(biāo)數(shù)據(jù)并利用部分親和力字段技術(shù)建立所述手部關(guān)鍵點(diǎn)和所述軀干關(guān)鍵點(diǎn)之間的關(guān)聯(lián)關(guān)系構(gòu)建姿態(tài)骨架，采用小波變換和時(shí)空注意力機(jī)制對(duì)所述行為目標(biāo)的面部區(qū)域進(jìn)行特征提取得到微表情特征，將所述姿態(tài)骨架和所述微表情特征輸入深度學(xué)習(xí)決策分類(lèi)模型，輸出包含手部與軀干之間的距離數(shù)據(jù)、手部運(yùn)動(dòng)軌跡數(shù)據(jù)、行為時(shí)間窗口數(shù)據(jù)的行為特征向量；將所述行為特征向量輸入盜竊行為打分機(jī)制分析引擎進(jìn)行行為判定，所述盜竊行為打分機(jī)制分析引擎融合卷積神經(jīng)網(wǎng)絡(luò)與Transformer結(jié)構(gòu)，計(jì)算所述行為特征向量與預(yù)設(shè)行為模板的相似度并生成置信度得分，當(dāng)所述置信度得分大于0.8時(shí)判定為盜竊行為并觸發(fā)報(bào)警信號(hào)，當(dāng)所述置信度得分位于0.5到0.8之間時(shí)判定為異常行為并記錄跟蹤標(biāo)記，當(dāng)所述置信度得分小于0.5時(shí)判定為正常行為；采用小波變換和時(shí)空注意力機(jī)制對(duì)所述行為目標(biāo)的面部區(qū)域進(jìn)行特征提取得到微表情特征，將所述姿態(tài)骨架和所述微表情特征輸入深度學(xué)習(xí)決策分類(lèi)模型，輸出包含手部與軀干之間的距離數(shù)據(jù)、手部運(yùn)動(dòng)軌跡數(shù)據(jù)、行為時(shí)間窗口數(shù)據(jù)的行為特征向量包括：對(duì)行為目標(biāo)的面部區(qū)域圖像進(jìn)行多尺度二維離散小波變換得到不同尺度的小波系數(shù)，基于所述小波系數(shù)計(jì)算每個(gè)尺度下的小波能量值并確定能量占比，得到面部區(qū)域的初始特征圖；將所述初始特征圖輸入雙流時(shí)空注意力網(wǎng)絡(luò)，通過(guò)空間注意力分支對(duì)所述初始特征圖進(jìn)行平均池化和最大池化處理得到空間注意力權(quán)重，通過(guò)時(shí)間注意力分支對(duì)所述初始特征圖進(jìn)行三維卷積運(yùn)算得到時(shí)間注意力權(quán)重，將所述初始特征圖與所述空間注意力權(quán)重和所述時(shí)間注意力權(quán)重相乘得到增強(qiáng)特征圖；計(jì)算姿態(tài)骨架中手部關(guān)鍵點(diǎn)與軀干關(guān)鍵點(diǎn)之間的歐氏距離構(gòu)建手部-軀干距離矩陣，基于手部關(guān)鍵點(diǎn)的連續(xù)幀位置信息計(jì)算手部運(yùn)動(dòng)的速度、加速度和方向角得到手部運(yùn)動(dòng)軌跡描述符；采用滑動(dòng)時(shí)間窗口對(duì)所述增強(qiáng)特征圖進(jìn)行特征聚合，計(jì)算所述時(shí)間窗口內(nèi)特征序列的時(shí)序相關(guān)性，將所述特征序列與時(shí)間權(quán)重進(jìn)行加權(quán)求和得到時(shí)間窗口特征；將所述增強(qiáng)特征圖、所述手部-軀干距離矩陣、所述手部運(yùn)動(dòng)軌跡描述符和所述時(shí)間窗口特征拼接構(gòu)建多模態(tài)特征向量，將所述多模態(tài)特征向量同時(shí)輸入多層感知器和雙向長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)進(jìn)行特征融合，將融合后的特征通過(guò)softmax分類(lèi)器得到行為類(lèi)別概率分布，基于交叉熵?fù)p失函數(shù)和正則化項(xiàng)對(duì)分類(lèi)模型進(jìn)行優(yōu)化訓(xùn)練得到最終的行為分類(lèi)結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人浙江數(shù)新網(wǎng)絡(luò)有限公司，其通訊地址為：311121 浙江省杭州市余杭區(qū)倉(cāng)前街道文一西路1218號(hào)7號(hào)樓201室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。