公开(公告)号：CN116089672A

公开(公告)日：2023-05-09

申请号：CN202310035314.4

申请日：2023-01-10

Applicant: 济南大学

Inventor： 杜立新 ,  郭晨 ,  段春笋 ,  周劲 ,  韩士元 ,  王廷蔚

IPC: G06F16/904 ,  G06F18/23 ,  G06F9/54

Abstract: 本公开提供了一种面向复杂数据可视化的周期性数据服务刷新方法及系统，包括：基于数据可视化界面中各图表的刷新间隔，获取图表所需的数据服务清单、每个数据服务的执行时间以及周期刷新时间间隔；基于各数据服务的执行时间及周期刷新时间间隔，对当前数据可视化界面进行刷新场景判断，获得当前刷新场景判断结果；其中，所述刷新场景包括第一场景、第二场景及第三场景；基于获得的场景判断结果，执行对应的并行策略，其中，对于所述第三场景，通过对数据服务按照周期刷新时间间隔以及数据服务执行时间两个维度进行聚类，获得存在冲突的数据服务，并将具有冲突的数据服务进行并发执行，实现复杂数据可视化的周期性数据服务刷新。

公开(公告)号：CN119516616A

公开(公告)日：2025-02-25

申请号：CN202411768728.9

申请日：2024-12-04

Applicant: 济南大学

Inventor： 王园园 ,  曹慧 ,  秦国龙 ,  王文鹏 ,  佀传豫 ,  王廷蔚

IPC: G06V40/20 ,  A61B5/11 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06T5/20 ,  G06T5/70 ,  G06T7/246 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种骨架动作识别方法及其检测系统，包括电源供电模块、骨架信号采集模块、图像预处理模块、接收线程模块、处理器模块、动作识别模块。在骨架动作识别模块内部，采用了多粒度骨架特征网络，该网络分为多个阶段，每个阶段处理不同粒度的骨架特征。通过对骨架关节点信息的多尺度特征融合操作，使用特征聚合将粗粒度的关节点特征映射到细粒度的空间，并与细粒度的骨架特征进行融合；同时，使用卷积操作和平均操作将细粒度特征压缩到粗粒度空间，并与粗粒度特征进行融合。通过这种跨粒度特征融合方式，模型能够在保留空间信息的同时，融合更多的语义信息，从而提高骨架动作识别的精度与速度，提升系统在复杂场景中的处理能力。

公开(公告)号：CN119516615A

公开(公告)日：2025-02-25

申请号：CN202411768694.3

申请日：2024-12-04

Applicant: 济南大学

Inventor： 曹慧 ,  王园园 ,  王文鹏 ,  秦国龙 ,  徐伟博 ,  王廷蔚

IPC: G06V40/20 ,  G06T5/20 ,  G06T5/73 ,  G06T5/70 ,  G06V10/74 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于动静分区策略的图卷积人体骨架动作识别方法及系统，包括：获取人体行为视频并进行预处理；构建动静分区掩码策略；构建时空通道注意力机制模块，包括时空注意力和通道注意力两个子模块；将动静分区掩码策略及时空通道注意力机制模块整合到基于PYSKL库的CTR‑GCN模型中，得到新的人体骨架动作识别模型；将经过新的动作识别模型处理后的特征送入分类器，得到预测分类分数，从而获得最终识别结果。与现有技术相比较，本发明充分重视动作序列中的运动信息，使得模型能够准确捕捉至关重要的动作部分，并结合了注意力机制，显著提升了基于梯度掩码的特征表达能力，从而在复杂动作的识别与分类精度方面取得显著优化。