買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜南京信息工程大學申請的專利一種基于增強型拓撲感知網絡的三維人體姿態估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119887928B 。

龍圖騰網通過國家知識產權局官網在2025-06-20發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510361017.8，技術領域涉及：G06F17/40；該發明授權一種基于增強型拓撲感知網絡的三維人體姿態估計方法是由林皓月;李軍俠;孫玉寶;劉青山設計研發完成，并于2025-03-26向國家知識產權局提交的專利申請。

本一種基于增強型拓撲感知網絡的三維人體姿態估計方法在說明書摘要公布了：本發明公開了一種基于增強型拓撲感知網絡的三維人體姿態估計方法，該方法包括獲取人體動作捕捉數據集；構建增強型拓撲感知網絡模型，該模型包括依次連接的特征嵌入塊、重復堆疊5次的增強拓撲感知模塊和回歸頭，增強拓撲感知模塊包括時空雙分支Transformer和混合約束模塊；利用數據集對該模型進行訓練，得到最終的增強型拓撲感知網絡模型；將需要檢測的人體圖片或視頻輸入到最終的增強型拓撲感知網絡模型中，得到每個關節對應的三維坐標，完成三維人體姿態的估計。本發明生成的三維姿態坐標更接近真實情況，準確性更高。

本發明授權一種基于增強型拓撲感知網絡的三維人體姿態估計方法在權利要求書中公布了：1.一種基于增強型拓撲感知網絡的三維人體姿態估計方法，其特征在于，包括：S1、獲取人體動作捕捉數據集；S2、構建增強型拓撲感知網絡模型，利用步驟S1中的數據集對該模型進行訓練，得到最終的增強型拓撲感知網絡模型；具體內容為：增強型拓撲感知網絡模型包括依次連接的特征嵌入塊、重復堆疊5次的增強拓撲感知模塊和回歸頭；其中，增強拓撲感知模塊包括時空雙分支Transformer和混合約束模塊；將步驟S1中的數據集按照7:3分為訓練集和測試集，利用訓練集對增強型拓撲感知網絡模型進行訓練，利用測試集對訓練后的增強型拓撲感知網絡模型進行測試，得到最終的增強型拓撲感知網絡模型；S3、將需要檢測的人體圖片或視頻輸入到最終的增強型拓撲感知網絡模型中，得到每個關節對應的三維坐標，完成三維人體姿態的估計；具體內容為：利用二維姿態檢測器獲取關節的二維坐標P2D∈RT×N×3，其中T和N分別表示序列的幀數和關節數，數字3表示維度，該維度包括關節的橫、縱坐標和置信度分數；將該二維坐標輸入到最終的增強型拓撲感知網絡模型中，經過特征嵌入塊，將該二維坐標投影到高維，得到初步高維特征P∈RT×N×C，其中C表示維度大小；添加一組張量，將其與初步高維特征相加后輸入到增強拓撲感知模塊中，利用時空雙分支Transformer計算關節間的時空全局依賴關系，得到融合后的中間特征，具體內容為：時空雙分支Transformer包括以空間-時間順序堆疊的Transformer塊和以時間-空間順序堆疊的Transformer塊；其中，以空間-時間順序堆疊的Transformer塊包括依次連接的空間編碼器和時間編碼器，以時間-空間順序堆疊的Transformer塊包括依次連接的時間編碼器和空間編碼器；相加后的張量和初步高維特征經過時空雙分支Transformer，得到相應的中間特征，具體表達式為：P1＝TTESTEP；P2＝STETTEP；其中，P1表示經過以空間-時間順序堆疊的Transformer塊得到的中間特征，P2表示經過以時間-空間順序堆疊的Transformer塊得到的中間特征，TTE表示時間編碼器，STE表示空間編碼器；對P1、P2進行自適應融合，得到融合后的中間特征，具體表達式為：W＝FCConcatP1,P2；F＝W1·P1+W2·P2；其中，W表示維度轉化后的張量，FC表示線性層，Concat表示拼接操作，F表示融合后的中間特征，W1與W2均表示權重；根據關節的自由度和所屬肢體類別，利用混合約束模塊分別獲取不同關節的局部拓撲約束，通過自適應融合得到最終的混合拓撲約束，利用該約束對融合后的中間特征進行結構化引導，完成增強拓撲感知模塊的操作；在增強拓撲感知模塊中進行的操作重復5次，得到人體拓撲結構的增強型特征，經過回歸頭，利用線性層預測得到最終的三維姿態坐標P3D∈RT×N×3。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210032 江蘇省南京市江北新區寧六路219號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。