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！

龙图腾网恭喜江西财经大学申请的专利基于深度学习的动物行为识别方法及系统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：CN119296185B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202411836181.1，技术领域涉及：G06V40/20；该发明授权基于深度学习的动物行为识别方法及系统是由张子睿;邓庆山;廖波设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于深度学习的动物行为识别方法及系统在说明书摘要公布了：本发明公开了基于深度学习的动物行为识别方法及系统，方法包括数据收集、数据重构、个体行为分类、群体关联分析和动物行为识别。本发明涉及动物行为识别技术领域，具体是指基于深度学习的动物行为识别方法及系统，本方案采用结合个体分析和群体分析的综合动物行为识别方法，通过个体行为分析识别具体的行为类型，并通过群体关联分析结合多个动物进行综合分析和聚类，提高了动物行为识别的识别深度和综合可用性；采用结合结构和注意力改进的残差卷积循环神经网络，进行个体行为分类；采用结合强化学习的动静态图神经集成网络，进行群体关联分析。

本发明授权基于深度学习的动物行为识别方法及系统在权利要求书中公布了：1.基于深度学习的动物行为识别方法，其特征在于：该方法包括以下步骤：步骤S1：数据收集，通过多源数据收集，进行动物行为数据捕捉，得到动物行为识别原始数据集；所述动物，具体指家养宠物类动物，具体包括家猫和家犬；步骤S2：数据重构，得到动物行为识别优化数据集，具体包括划分数据集和整合特征数据集；步骤S3：个体行为分类，用于识别并分类动物的个体行为类型并给出行为分类明细结果，具体为依据所述动物行为识别优化数据集，采用结合结构和注意力改进的残差卷积循环神经网络，进行个体行为分类，得到动物个体行为分类明细数据，包括以下步骤：步骤S31：构建改进残差卷积子网，具体为通过对标准残差卷积网络进行结构改进和注意力改进，构建改进残差卷积子网；所述进行结构改进和注意力改进，具体包括结构改进和注意力改进；所述结构改进，具体指将标准卷积层替换为经过时序卷积层和深度可分离卷积层处理后的集成卷积；所述注意力改进，具体指应用空间注意力和通道注意力机制进行注意力改进；步骤S32：构建视觉检测子网，具体为采用预训练的计算机视觉目标检测模型进行目标检测，得到目标检测定位特征；步骤S33：构建循环集成子网，具体为构建标准长短期记忆网络和标准门控循环单元，并进行时序特征加权集成，构建所述循环集成子网；所述标准长短期记忆网络，用于优化长期动物个体行为的特征提取；所述标准门控循环单元，用于优化短期行为变化的特征提取；步骤S34：个体行为分类模型训练，具体为通过所述改进残差卷积子网、所述视觉检测子网和所述循环集成子网，并构建标准softmax模型和回归模型的组合分类输出层，进行个体行为分类模型训练，得到个体行为分类模型ModelOA；步骤S35：个体行为分类，具体为依据所述动物行为识别优化数据集，使用所述个体行为分类模型ModelOA，进行个体行为分类，得到动物个体行为分类明细数据；所述动物个体行为分类明细数据，具体包括图像检测标注数据、行为类别分类数据、行为概率量化参考数据和时间戳数据步骤S4：群体关联分析，用于针对群体性的动物行为分析个体行为和群体行为的关联并提供分类明细，具体为依据所述动物行为识别优化数据集和动物个体行为分类明细数据，采用结合强化学习的动静态图神经集成网络，进行群体关联分析，得到动物群体行为关联分析明细数据，具体包括以下步骤：步骤S41：构建静态图神经子网，具体为构建初始化图结构，并构建标准图神经网络作为静态图神经子网；所述初始化图结构，具体包括节点特征和边特征；所述节点特征，用于表示动物的个体及个体的行为状态，具体从所述动物个体行为分类明细数据中获得；所述边特征，用于表示动物间的互动强度和相似度，具体从所述动物行为识别优化数据集和动物个体行为分类明细数据中结合获得；步骤S42：构建动态图神经子网，具体为依据所述初始化图结构，在标准图神经网络的基础上引入时间变量维度，进行动态图神经子网构建；步骤S43：构建强化学习子模型，具体为通过构建强化学习智能体模型，并进行深度Q网络优化策略迭代训练，得到群体关联性最优个体行为类型；在所述群体关联性最优个体行为类型中，最优个体行为具体指与群体关联性最强的个体行为；所述构建强化学习智能体模型，具体为构建动物个体状态变量、动物个体行为变量和行为奖励变量，计算公式为：MA＝{s,a,r}；式中，MA是强化学习智能体模型，s是动物个体状态变量，用于表示动物当前的个体行为，a是动物个体行为变量，用于表示动物当前可以进行的行为，r是行为奖励变量，用于表示根据个体行为对群体行为或交互行为造成的影响计算的奖励参数；步骤S44：构建聚类分析输出层，具体为通过对所述静态图神经子网的输出、所述动态图神经子网的输出和所述强化学习子模型的输出进行集成，并构建聚类分析层进行输出，得到群体关联分析输出；所述群体关联分析输出的计算公式为：Cg＝fKmeansλ1Q+λ2hk+λ3h1t；式中，Cg是群体关联分析聚类输出，fKmeans·是K均值聚类计算函数，λ1是强化学习输出权重，Q是强化学习子模型的输出，λ2是静态图神经子网权重，hk是静态图神经子网的输出，λ3是动态图神经子网的输出，hlt是动态图神经子网的输出；步骤S45：群体关联分析模型训练，具体为通过所述静态图神经子网、所述动态图神经子网、所述强化学习子模型和所述聚类分析输出层，进行群体关联分析模型训练，得到群体关联分析模型ModelFA；步骤S46：群体关联分析，具体为依据所述动物行为识别优化数据集和动物个体行为分类明细数据，使用所述群体关联分析模型ModelFA，进行群体关联分析，得到动物群体行为关联分析明细数据；所述动物群体行为关联分析明细数据，具体包括群体行为类型、群体行为时间模式和群体行为关联动物情感类型；步骤S5：动物行为识别，进行动物行为综合识别，得到动物行为识别参考数据。

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”。