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！

龙图腾网获悉华南师范大学申请的专利一种用于课堂视频的交互教学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：CN120689800B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202510953647.4，技术领域涉及：G06V20/40；该发明授权一种用于课堂视频的交互教学行为识别方法是由沈映珊;袁晓锋;王思竹;张伟中;陈琪;邓骏辉;冯嘉豪设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本一种用于课堂视频的交互教学行为识别方法在说明书摘要公布了：本发明公开了一种用于课堂视频的交互教学行为识别方法，在网络结构层面，使用了包含空间特征提取分支和时间特征提取分支的时空特征提取模块，其中空间特征分支嵌入了空间重建单元，通过通道维度权重自适应机制对特征图进行分层筛选，强化关键空间特征的同时抑制冗余信息；时间特征分支构建了时序聚焦单元，引入多头自注意力模块建立帧间长时程关联模型，实现动态时间维注意力分配以捕获教学互动时序模式。两个分支分别提取的精细化空间特征和长程时间特征经由轻量化融合模块进行互补集成，完成课堂教学互动状态的识别分类。本发明对于课堂中光照变化、复杂场景的鲁棒性显著增强，有效地降低了使用问卷调查和访谈等传统方法对教学行为研究的成本。

本发明授权一种用于课堂视频的交互教学行为识别方法在权利要求书中公布了：1.一种用于课堂视频的交互教学行为识别方法，其特征在于，包括： S1、构建课堂交互行为识别模型； S2、获取课堂交互教学行为的视频数据集； S3、对所述课堂交互教学行为的视频数据集进行处理，获得处理后的视频数据集，并将所述处理后的视频数据集按4：1的比例划分为训练集和验证集； S4、对所述训练集进行浅层特征提取，获得视频数据的浅层特征； S5、将所述视频数据的浅层特征进行时空特征提取，获得视频数据的时间特征和空间特征； S6、将所述视频数据的时间特征和空间特征进行轻量化融合处理，获得视频数据的深层时空特征； S7、将所述视频数据的深层时空特征通过行为分类器进行课堂交互行为识别； S8、设置损失函数，对所述课堂交互行为识别模型进行训练，获得训练结果； S9、利用所述验证集验证所述训练结果，记录最优性能的模型参数； S10、重复执行S4-S9直至设定的迭代次数，获得最优的课堂交互行为识别模型； S11、获取待测的课堂交互教学行为的视频数据集，输入所述最优的课堂交互行为识别模型进行交互教学行为识别； 将所述视频数据的浅层特征进行时空特征提取过程中，空间特征提取分支包括：顺序连接的1×1×1基础卷积层、1×3×3基础空间卷积层、空间重建单元及3×1×1基础时间卷积层，所述空间重建单元通过通道维度权重分离及交叉重建策略抑制空间冗余信息； 所述空间重建单元的实现过程包括： 对输入特征进行组归一化，基于可训练缩放因子计算通道权重； 通过阈值门控策略将所述通道权重分解为高权重特征图和低权重特征图； 将原始特征图分别与所述高权重特征图、所述低权重特征图相乘，生成信息丰富特征和信息冗余特征； 对所述信息丰富特征和所述信息冗余特征进行交叉通道分割与特征加和操作，生成第一融合特征和第二融合特征； 将所述第一融合特征和所述第二融合特征在通道维度拼接生成重构输出特征； 将所述视频数据的时间特征和空间特征进行轻量化融合处理，获得视频数据的深层时空特征包括： 通过第一特征处理分支对所述视频数据的时间特征和空间特征进行局部特征降维，获得第一结果； 通过第二特征处理分支对所述视频数据的时间特征和空间特征进行时空联合特征提取，获得第二结果； 通过第三特征处理分支对所述视频数据的时间特征和空间特征进行下采样压缩处理，获得第三结果； 将所述第一结果、所述第二结果和所述第三结果，按通道维度合并生成视频数据的深层时空特征。

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华南师范大学，其通讯地址为：510631 广东省广州市天河区中山大道西55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”。

以上内容由龙图腾AI智能生成。