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！

龙图腾网恭喜合肥工业大学申请的专利一种基于自适应时间结构深度网络的偷窃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：CN114463846B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202210087197.1，技术领域涉及：G06V40/20；该发明授权一种基于自适应时间结构深度网络的偷窃行为识别方法是由谢昭;江朝晖;王冠;吴克伟;孙永宣设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本一种基于自适应时间结构深度网络的偷窃行为识别方法在说明书摘要公布了：本发明公开了一种自适应时间结构深度网络的偷窃行为识别方法。本发明采用分段方式，实现对长时视频的处理。针对段内特征相似度高而产生的信息冗余问题，通过估计段内时间结构的距离阈值，来计算段内每个视频帧的二值采样标记，去除段内冗余的视频帧，减少段内模型计算量。针对视频段的语义信息重要性估计问题，设计了子行为原型参数矩阵，学习每个视频段的子行为相关的语义描述，并估计视频段的时间注意力，进行视频段的特征增强。最后，对多视频段的特征串联，并使用三层感知器，实现偷窃行为识别。本文发明具有时间自适应能力强，对长时视频中段内的冗余视频帧，和段间的语义信息分析，都具有较好的鲁棒处理能力，可有效实现偷窃行为识别。

本发明授权一种基于自适应时间结构深度网络的偷窃行为识别方法在权利要求书中公布了：1.一种基于自适应时间结构深度网络的偷窃行为识别方法，其特征在于：具体包括以下步骤：1提取偷窃行为视频帧特征；2估计段内时间结构距离阈值；3计算段内视频帧采样LSTM的隐状态特征；4计算基于子行为原型时间注意力的偷窃行为得分；5求解自适应时间结构深度网络的参数集合；6基于自适应时间结构深度网络进行偷窃行为识别；步骤4所述的计算基于子行为原型时间注意力的偷窃行为得分，具体步骤如下：步骤4-1执行步骤3，获得第v个视频每个段的最后一个时间节点的输出隐状态hv,s,ni，其中s＝1,2,..,ns,第ni个时间节点是该段中最后一个时间节点；步骤4-2设置子行为原型参数矩阵，Z＝{zk}，其中k＝1,2,..,K共K个原型，原型是特定类别的子行为的描述，每个原型的向量特征维度是1x1000；步骤4-3计算每个视频段的时间注意力；步骤4-3-1计算第s个视频段最后一个时间节点的输出的隐状态，与第k个子行为原型距离，具体形式为：distv,s,k＝||hv,s,ni-zk||2步骤4-3-2重复步骤4-3-1，计算获得第s个视频段的隐状态与所有子行为原型的距离向量，具体形式为：Distv,s＝{distv,s,k}步骤4-3-3输入第s个视频段的隐状态与所有子行为原型的距离向量，使用三层感知器和sigmoid函数，学习第s个视频段的时间注意力，具体形式为：αv,s＝sigmoidMLPDistv,s其中MLP是三层感知器，sigmoid.是sigmoid激活函数；步骤4-4计算每个视频段的时间注意力增强后的隐状态特征，即，根据第s个视频段的时间注意力，对隐状态hv,s,ni进行特征增强，增强后的隐状态特征为： 步骤4-5对视频所有视频段的增强后的隐状态特征串联，获得整个视频的行为表达，并使用三层感知器预测偷窃行为的得分，具体形式为：

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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”。