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！

龙图腾网获悉北京大学深圳研究生院申请的专利基于大核解耦卷积的姿态估计方法、装置、终端及介质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：CN120126186B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510612535.2，技术领域涉及：G06V40/10；该发明授权基于大核解耦卷积的姿态估计方法、装置、终端及介质是由刘梦源;刘佳洁;刘宏;黄剑锋设计研发完成，并于2025-05-13向国家知识产权局提交的专利申请。

本基于大核解耦卷积的姿态估计方法、装置、终端及介质在说明书摘要公布了：本发明公开了基于大核解耦卷积的姿态估计方法、装置、终端及介质，涉及计算机视觉领域，所述方法通过将二维人体姿态序列映射到高维特征空间，确定初始三维人体姿态序列；基于深度可分离解耦卷积对初始三维人体姿态序列进行学习，确定目标三维人体姿态序列，深度可分离解耦卷积通过对深度可分离卷积解构并重构得到；采用多层感知机基于目标三维人体姿态序列确定三维人体姿态。本发明采用深度可分离解耦卷积独立地学习时间、空间及特征三个维度的特征关系，有效地解决了现有技术由于其计算需求高且无法估计整个视频序列的人体姿态，难以在实际场景中推广使用的问题。

本发明授权基于大核解耦卷积的姿态估计方法、装置、终端及介质在权利要求书中公布了：1.一种基于大核解耦卷积的姿态估计方法，其特征在于，所述方法包括： 获取目标用户的二维人体姿态序列，将所述二维人体姿态序列映射到高维特征空间，确定初始三维人体姿态序列F0∈RB×T×J×C，其中，R为实数集，B为批量大小、T为时间长度、J为关节点数量以及C为特征维度； 基于深度可分离解耦卷积对所述初始三维人体姿态序列进行学习，确定目标三维人体姿态序列，其中，所述深度可分离解耦卷积通过对深度可分离卷积解构并重构得到； 采用多层感知机对所述目标三维人体姿态序列进行学习，确定所述目标用户的三维人体姿态； 所述深度可分离解耦卷积包括时间大核卷积、空间大核卷积以及特征大核卷积，基于深度可分离解耦卷积对所述初始三维人体姿态序列进行学习，确定目标三维人体姿态序列，包括： 基于所述时间大核卷积对所述初始三维人体姿态序列进行学习，确定第一人体姿态序列； 基于所述空间大核卷积对所述第一人体姿态序列进行学习，确定第二人体姿态序列； 基于所述特征大核卷积对所述第二人体姿态序列进行学习，确定所述目标三维人体姿态序列； 基于所述时间大核卷积对所述初始三维人体姿态序列进行学习，确定第一人体姿态序列，包括： 将所述初始三维人体姿态序列进行维度重组和特征合并，确定第一融合特征F1∈RB ×J×C×T； 基于所述时间大核卷积的卷积核尺寸对所述第一融合特征进行反射填充； 采用所述时间大核卷积对反射填充后的所述第一融合特征进行学习，确定所述第一人体姿态序列； 将所述初始三维人体姿态序列进行维度重组和特征合并，确定第一融合特征F1∈RB ×J×C×T，包括： 所述初始三维人体姿态序列的结构表示为[B,T,J,C]，对所述初始三维人体姿态序列进行维度重组，将结构变化为[B,J,C,T]； 对维度重组后的所述初始三维人体姿态序列进行特征合并，将所述初始三维人体姿态序列的关节点数量和特征维度合并，以时间长度作为卷积维度，得到结构为[B,J×C,T]的所述第一融合特征F1∈RB×J×C×T。

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北京大学深圳研究生院，其通讯地址为：518071 广东省深圳市南山区西丽大学城北大园区G307；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”。