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！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省人工智能研究院申请的专利一种基于改进HRNet的多尺度融合人体姿态估计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：CN119579641B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202411104226.6，技术领域涉及：G06T7/246；该发明授权一种基于改进HRNet的多尺度融合人体姿态估计方法是由李金宝;任艳瑞;高天雷;魏诺设计研发完成，并于2024-08-13向国家知识产权局提交的专利申请。

本一种基于改进HRNet的多尺度融合人体姿态估计方法在说明书摘要公布了：本发明涉及人体姿态估计技术领域，具体涉及一种基于改进HRNet的多尺度融合人体姿态估计方法，方法具体如下：本方法基于HRNet融合编码器与解码器架构，编码器设计为三个阶段，每阶段并行生成不同分辨率的特征分支，并在每个特征分支中引入改进的轻量化模块MBConv；相对应的解码器与编码器呈对称结构，同样设计为三个阶段，逐步减少低分辨率分支，直至第三阶段仅保留高分辨率特征图用于精确预测关节点位置；编码器和解码器之间构建跳跃连接；在编码器和解码器每阶段末尾，实施重复的多尺度特征融合策略。本方法通过改进HRNet的网络结构，能够更好地捕捉人体关节点之间的空间关系，同时保证细粒度特征不被丢失，从而提升人体姿态估计的性能。

本发明授权一种基于改进HRNet的多尺度融合人体姿态估计方法在权利要求书中公布了：1.一种基于改进HRNet的多尺度融合人体姿态估计方法，其特征在于，包括以下步骤： S1.获取人体姿态估计数据集，表示人体姿态估计数据集中的第张图片，，对数据集进行数据预处理，得到预处理后的人体姿态估计数据集； S2.构建改进的HRNet网络结构，所述改进的HRNet网络结构包括：初始阶段、编码器、解码器和检测头，将所述预处理后的人体姿态估计数据集中的第张图片输入到所述初始阶段得到高分辨率的特征图； S3.所述编码器包括三个阶段：第一阶段、第二阶段和第三阶段，每个阶段均包括Transition模块和StageModule模块，其中，所述StageModule模块包括特征提取模块Extract模块和多尺度融合模块Fusion模块，所述Extract模块采用改进的MBConv模块，所述改进的MBConv模块包含连续的5部分：第一部分，卷积层、批量归一化层和SiLU激活函数，第二部分，深度可分离卷积、批量归一化层和SiLU激活函数，第三部分，SE模块，第四部分，卷积层和批量归一化层，第五部分，DropPath操作和残差连接； 具体地，所述编码器的第一阶段包括Transition1模块和StageModule1模块；所述StageModule1模块包括特征提取模块Extract1模块和多尺度融合模块Fusion1模块；所述编码器的第二阶段包括Transition2模块和StageModule2模块；所述特征提取模块Extract2模块和多尺度特征融合模块Fusion2模块；所述编码器的第三阶段包括Transition3模块和StageModule3模块；所述StageModule3模块特征提取模块Extract3模块和多尺度特征融合模块Fusion3模块；将所述高分辨率的特征图经过编码器得到高分辨率特征图和中分辨率特征图； S4.所述解码器同样包括三个阶段，与编码器呈对称结构，第一阶段和第二阶段均包括StageModule模块和1个独立的Fusion模块，第三阶段包括1个独立的Fusion模块； 具体地，所述解码器的第一阶段包括多尺度融合模块Fusion4模块和2个StageModule2模块；所述解码器第二阶段包括多尺度融合模块Fusion5模块和1个StageModule1模块；所述解码器第三阶段包括1个多尺度融合模块Fusion6模块；将所述高分辨率特征图和中分辨率特征图经过解码器得到高分辨率特征图； S5.将所述高分辨率特征图经过检测头得到输出特征图，输出特征图的每个通道用于表示每个关节点的位置，最终得到人体姿态估计结果。

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齐鲁工业大学(山东省科学院);山东省人工智能研究院，其通讯地址为：250000 山东省济南市长清区大学路3501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”。