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！

龙图腾网恭喜浙江数新网络有限公司申请的专利基于计算机视觉的盗窃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：CN119649467B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202510142818.5，技术领域涉及：G06V40/20；该发明授权基于计算机视觉的盗窃行为识别方法及系统是由张永喆;柳佳怡;王步飞;原攀峰;陈廷梁设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本基于计算机视觉的盗窃行为识别方法及系统在说明书摘要公布了：本发明提供基于计算机视觉的盗窃行为识别方法及系统，涉及机器视觉技术领域，包括对视频流进行预处理，利用YOLOv11算法检测目标，通过特征金字塔网络和路径聚合网络提取特征，采用Openpose算法和小波变换提取姿态骨架和微表情特征，输入深度学习模型生成行为特征向量。将特征向量输入融合卷积神经网络与Transformer结构的分析引擎，计算与预设模板的相似度并生成置信度得分，实现盗窃行为的精确识别和及时预警。

本发明授权基于计算机视觉的盗窃行为识别方法及系统在权利要求书中公布了：1.基于计算机视觉的盗窃行为识别方法，其特征在于，包括：采集视频数据流，对所述视频数据流进行帧率转换得到目标帧率的视频流，对所述目标帧率的视频流应用高斯滤波和中值滤波进行噪声消除，采用阈值分割算法对滤波后的视频流进行图像分割得到预处理后的视频帧；利用YOLOv11深度学习目标检测算法对所述预处理后的视频帧进行目标检测与定位得到行为目标的边界框信息，将所述边界框信息输入特征金字塔网络进行多尺度特征提取并通过路径聚合网络融合高层语义特征和低层细节特征得到目标特征图；基于所述目标特征图采用Openpose算法提取所述行为目标的手部关键点和躯干关键点的坐标数据并利用部分亲和力字段技术建立所述手部关键点和所述躯干关键点之间的关联关系构建姿态骨架，采用小波变换和时空注意力机制对所述行为目标的面部区域进行特征提取得到微表情特征，将所述姿态骨架和所述微表情特征输入深度学习决策分类模型，输出包含手部与躯干之间的距离数据、手部运动轨迹数据、行为时间窗口数据的行为特征向量；将所述行为特征向量输入盗窃行为打分机制分析引擎进行行为判定，所述盗窃行为打分机制分析引擎融合卷积神经网络与Transformer结构，计算所述行为特征向量与预设行为模板的相似度并生成置信度得分，当所述置信度得分大于0.8时判定为盗窃行为并触发报警信号，当所述置信度得分位于0.5到0.8之间时判定为异常行为并记录跟踪标记，当所述置信度得分小于0.5时判定为正常行为；采用小波变换和时空注意力机制对所述行为目标的面部区域进行特征提取得到微表情特征，将所述姿态骨架和所述微表情特征输入深度学习决策分类模型，输出包含手部与躯干之间的距离数据、手部运动轨迹数据、行为时间窗口数据的行为特征向量包括：对行为目标的面部区域图像进行多尺度二维离散小波变换得到不同尺度的小波系数，基于所述小波系数计算每个尺度下的小波能量值并确定能量占比，得到面部区域的初始特征图；将所述初始特征图输入双流时空注意力网络，通过空间注意力分支对所述初始特征图进行平均池化和最大池化处理得到空间注意力权重，通过时间注意力分支对所述初始特征图进行三维卷积运算得到时间注意力权重，将所述初始特征图与所述空间注意力权重和所述时间注意力权重相乘得到增强特征图；计算姿态骨架中手部关键点与躯干关键点之间的欧氏距离构建手部-躯干距离矩阵，基于手部关键点的连续帧位置信息计算手部运动的速度、加速度和方向角得到手部运动轨迹描述符；采用滑动时间窗口对所述增强特征图进行特征聚合，计算所述时间窗口内特征序列的时序相关性，将所述特征序列与时间权重进行加权求和得到时间窗口特征；将所述增强特征图、所述手部-躯干距离矩阵、所述手部运动轨迹描述符和所述时间窗口特征拼接构建多模态特征向量，将所述多模态特征向量同时输入多层感知器和双向长短时记忆网络进行特征融合，将融合后的特征通过softmax分类器得到行为类别概率分布，基于交叉熵损失函数和正则化项对分类模型进行优化训练得到最终的行为分类结果。

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浙江数新网络有限公司，其通讯地址为：311121 浙江省杭州市余杭区仓前街道文一西路1218号7号楼201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”。