通过 LMSF 重新融合局部特征、BAE 增强边界相关时序特征，保留短时局部变化与边界线索。
Neurocomputing · 2026THUMOS14 Average mAP 69.7 (I3D) / 71.4 (VideoMAE V2)
2026 年投稿，现于 Neurocomputing 审稿流程中；结论以最终发表版本为准。
查看研究详情RResearch · 研究主线
让机器理解，人在何时做了什么。
研究目标：让机器不仅知道视频里发生了什么，还能判断动作从什么时候开始、到什么时候结束，并在类别未知或标注不足时保持理解能力。
- 01
骨架行为识别
Skeleton-based HAR研究起点从 Kinect 采集的骨架序列出发：两阶段滤波清理异常数据、时序归一化对齐样本，用异构双分支网络识别行为类别（DB-HPN）。
- 02
时序动作定位
Temporal Action Localization当前主战场不只识别「做了什么」，还定位「从何时到何时」。在 ActionFormer 类一阶段架构上，让局部判别线索与边界变化不被注意力弱化（SAEFormer）。
- 03
零样本 / 开放词汇 TAL
Zero-shot / Open-vocabulary调研中真实世界的动作类别开放且长尾。目标是让定位能力泛化到训练时未见过的类别——当前处于方向调研与学习阶段。
- 04
VLM 与测试时适应
VLM & Test-time Adaptation博士预备视觉语言模型提供文本与视频语义对齐的可能；测试时自适应（原型与动量更新）让模型在部署后继续校准。候选研究路线，非既成成果。
论文与研究稿
状态如实标注——在审就是在审，不写成已发表。
两阶段骨架滤波、时序长度归一化与异构双分支建模，从骨架序列中鲁棒识别人体行为。
研究稿
曾投稿被拒，现更换创新点补实验中；未确认录用前不标注为发表。
查看研究详情专利与软件著作权
每一项都带编号，可在官方登记系统查证。
发明专利2026-03 授权
基于融合数据增强的人体行为识别方法及系统
第一发明人ZL 202511883513.6
发明专利2026-05 授权
基于人体骨骼结构的动作识别方法及系统
第二发明人ZL 202610335712.1
软件著作权2026-01 登记
极光康复云平台系统 V1.0
著作权人 · 排名第一2026SR0034553
软件著作权2024-09 登记
基于人体骨架运动序列的人体行为识别系统 V1.0
排名第二2024SR1360416
ORCID：0009-0006-8542-0902