本发明提出了一种基于时空图模型的脑电情感识别方法，包括获取脑电情感数据库，并对数据进行预处理，将数据集划分为训练集和测试集；对时长为T的脑电信号进行样本划分，用一个时间长度为M的滑动窗口对脑电信号进行采样，得到T/M个脑电样本；构建基于Bert的图模型网络，对脑电样本各时刻信号的空间特征进行学习分析；构造时间LSTM网络，用LSTM网络分析脑电样本各时刻之间的时间相关性；利用训练集对所构建的时空Bert图模型网络进行训练，优化网络模型，利用测试集对优化模型网络进行测试，统计分类识别。本发明不仅考虑脑电空间信息，还加入时间信息，实现对脑电信号特征的较全面学习，提高识别准确率。
📄 2021113666699
📂 G06K9_00
👤 南京邮电大学
📅 2021-11-18
一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
📄 2021111535664
📂 G06V20_52
👤 南京邮电大学
📅 2021-09-29
一种基于时空图卷积‑生成对抗网络的交通速度预测方法，首先，根据城市路网结构，将路网中的路段作为图的节点，交叉路口作为连接节点的边，构建交通图网络；然后，通过城市路网中的车流速度检测器获取采样收集车流速度数据，构建特征矩阵，接着，通过本发明中构建好的时空图卷积网络(STGCN)作为生成对抗网络的生成器和全连接神经网络作为判别器，对抗生成交通速度数据，通过两者相互博弈训练，共同提升，最终得到一个最佳的交通速度预测模型。利用生成对抗网络最终的生成器生成最接近真实数据的交通状态数据预测值，达到本发明路网状态数据预测的目的。本发明可以实现更准确的交通速度预测。
📄 2021104914420
📂 G08G1_01
👤 浙江工业大学
📅 2021-05-06
本发明涉及一种基于时空图表示学习的交通事故预测方法，首先根据传感器网络构建交通路网的邻接矩阵，对原始交通数据进行筛选和统计，得到特定区域的速度、容量和占有率数据构建特征矩阵。然后建立基于ST‑VGAE结构的交通事故预测模型，通过将邻接矩阵和特征矩阵输入ST‑VGAE中，通过时空图卷积模块表征交通状态，并将其输入到一个卷积神经网络中进行交通事故发生概率的预测。最后，使用处理好的数据训练所建立的交通事故预测模型，并调整模型中的参数以获得最优的交通流预测。实验结果验证了模型在交通事故预测任务上的有效性，并为使用时空图表示学习解决事故预测任务提供新的思路和方法。
📄 2021101153998
📂 G06F16_901
👤 浙江工业大学
📅 2021-01-28
本发明公开了一种基于时空图注意力网络的工业时序数据异常检测方法，包括以下步骤：1)构建传感器时序全连接图，将工业传感器数据节点两两相连构成完全图，节点表示传感器数据，边权重表示传感器之间的依赖关系；2)采用图卷积网络提取时序全连接图的空间信息生成空间特征向量；3)采用TimesNet提取时序全连接图的时间信息生成时间特征向量；4)采用时空图注意力网络将时间特征向量与空间特征向量进行融合；5)使用历史正常时序数据进行模型训练，将时空特征向量输入到全连接层中得到每个时间步的预测值；6)对于测试集中的异常数据，根据预测值和观测值之间的差异计算异常分数，通过Boxplot方法自适应计算异常数据的阈值。
📄 2023110657146
📂 G06F18_2433
👤 浙江工业大学
📅 2023-08-23
本发明公开了一种基于时空图的人体骨骼动作识别方法，包括以下步骤：S1、获取骨骼数据，并对所述骨骼数据进行预处理，得到二阶数据信息；S2、将二阶数据信息输入多分支网络，得到骨骼数据提取信息；S3、将骨骼数据提取信息输入时空特征提取网络，得到骨骼数据的时空特征信息；S4、将骨骼数据的时空特征信息依次输入全局平均池化层和全连接层，得到置信度最高的动作，完成人体骨骼动作识别。本发明设计了时空图模块引入Transformer结构，可以更好捕捉若干帧内全局的时空关系，利用其注意力机制自适应的学习跨帧节点间关联性的强度，并且利用图卷积根据固定图结构捕捉局部的空间特征。两者信息相互补充，从而使得信息能够直接的跨时空交流。
📄 2022104241285
📂 G06V40_20
👤 成都信息工程大学
📅 2022-04-22
本发明涉及一种基于时空兴趣点和时空图卷积的人体动作识别方法，首先收集人体动作相关视频，利用OPENPOSE对视频进行处理获取人体骨骼关节点；然后使用光流法建立高斯金字塔计算光流向量，再结合Gabor滤波和高斯滤波进行时空兴趣点的提取；将OPENPOSE输出的关节点和时空兴趣点进行匹配，形成新的节点特征，该节点特征包括输出的关键点位置、置信度、光流向量大小、时间以及光流向量角度。最后基于人体骨骼结构构造关键点时空图模型，并完成数据训练和测试。本发明基于骨骼识别结合时空兴趣点对人体动作进行识别，同时引入注意力机制，在时间和空间两个方面进行检测判断，提高了行为识别的准确度。
📄 2024108695727
📂 G06V40_20
👤 杭州电子科技大学
📅 2024-07-01
本发明公开了一种基于骨架时空图卷积的复杂长程动作识别方法，属于计算机视觉领域，通过人体姿态检测模型提取一段视频中的人体骨骼关节点，然后将每帧中的关节点坐标作为输入序列，并用代表短时动作、中时动作和长时动作的不同尺度的滑动窗口去截取输入序列，然后将不同长度的序列传入ST‑RGCN模型中；提取特征向量；将同一个滑动窗口不同时刻下的特征向量做相似度评估，若两个特征向量之间的相似度没能达到阈值，则认为是不同的动作，并重定位至原视频帧，以此来实现长时复杂动作中子动作或不同动作的分割，同时将特征向量用作动作分类，实现精细动作检测。本发明不但能够实现复杂长程动作的识别，而且能够实现子动作的自动分割。
📄 2023111687030
📂 G06V40_20
👤 燕山大学
📅 2023-09-12
本发明提供了提出了一种基于时空图神经网络的气温数据质量控制方法，包括：步骤1，针对目标站点，在预设历史范围内预设时距的各历史时间点，获取目标气象站点以及相距目标站点预设距离内所有气象站点的日平均气温数据，并对数据进行预处理；步骤2，构建改进的时空图卷积网络STGCN模型；步骤3，通过最小化预测误差指标中的均方根误差RMSE和平均绝对误差MAE对时空图卷积网络STGCN模型的参数进行优化；步骤4，观测数据质量控制：构建质量控制模型，将步骤3中预测得到的气温值与观测值进行比较。
📄 2025111439326
📂 G06F18_2433
👤 南京信息工程大学
📅 2025-08-15
本发明公开了基于轻量化OpenPose时空图网络的行为检测方法，包括以下步骤：(1)收集数据集，将图像预处理；(2)将数据集送入轻量化OpenPose网络，获取人体骨架序列；(3)将人体骨架序列送入DST‑GCN网络，从空间和时间维度提取空间结构特征和时间轨迹特征，形成高级时空特征；(4)使用Softmax分类器将高级时空特征其分类为相应的动作类别；(5)判断测试图像的动作类别。本发明先对OpenPose进行轻量化，提高模型检测的实时性，同时对ST‑GCN采用稠密连接机制进行改进，提高时空卷积层的长距离关联信息提取能力，提高判断准确率。
📄 2022112457262
📂 G06V40_20
👤 南京信息工程大学
📅 2022-10-12
本发明提供了一种基于稀疏时空图Transformer网络的行人轨迹预测方法，属于计算机视觉技术领域。解决了行人在拥挤环境下和长距离轨迹预测效率低的技术问题。其技术方案为：包括以下步骤：S1：从图像帧中获取行人的位置信息；S2：使用动态空间Transformer，利用多头注意力机制对空间依赖的多种模型进行联合建模；S3：利用自注意力机制实现跨多个时间步的双向时间依赖性建模；S4：得到具有稀疏变换的时空Transformer网络；S5：设计一种基于时空Transformer的时空块链的模型框架。本发明的有益效果为：本发明提高行人在拥挤环境下和长距离轨迹预测的准确性。
📄 2024107442177
📂 G06V20_58
👤 南通大学
📅 2024-06-11
本发明公开了基于传递感知的时空图注意力网络交通流预测方法、系统，涉及交通流预测技术领域，该方法包括：根据实际路网的空间连接关系建立与待预测区域对应的图结构集合；获取待预测区域在第一预置时间长度内的交通流数据，基于图结构集合，利用待预测区域的交通流数据对预设的TAGAT‑LSTM模型进行训练，得到与TAGAT‑LSTM模型对应并训练完成的目标模型；获取在预设时间长度中待预测区域的历史交通流，并将历史交通流输入至目标模型中进行处理，得到未来的预设时间长度中待预测区域的预测交通流；通过TAGAT‑LSTM模型中三个核心模块的结合使得模型能够捕捉更加丰富的时空依赖关系，提高交通流预测的精度。
📄 2024114136960
📂 G08G1_01
👤 电子科技大学
📅 2024-10-11
柿子坊 · 知识产权运营
柿子坊知识产权运营平台