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！

龙图腾网获悉浙江大学申请的专利一种基于深度学习映射的智能量体测量方法和装置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：CN119810175B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510013889.5，技术领域涉及：G06T7/60；该发明授权一种基于深度学习映射的智能量体测量方法和装置是由卜佳俊;张旭;吕青松;王炜;许诚;李亮城;于智设计研发完成，并于2025-01-06向国家知识产权局提交的专利申请。

本一种基于深度学习映射的智能量体测量方法和装置在说明书摘要公布了：本发明涉及一种基于深度学习映射的智能体型测量方法和装置，其方法包括：1视频数据集制作；采集包含目标人体及参考物瓶子的影像数据；2参照物检测：应用深度学习模型对每一帧视频中的参照物进行识别，计算映射比例；3关键点检测：通过关键点检测算法检测视频中的人体及骨骼关键点，进而计算相关身体参数；4神经网络优化：设计神经网络对测量结果进行优化调校，提升测量精度；5将完成的算法模型应用于实际测量场景。本发明具有鲁棒性强、适用性广泛的特点，适用于智能体型量测、虚拟试衣、健康管理等多个领域，且具有显著的商业应用前景。

本发明授权一种基于深度学习映射的智能量体测量方法和装置在权利要求书中公布了：1.一种基于深度学习映射的智能量体测量方法，其特征在于，包括如下步骤： 1视频数据集制作：利用移动设备围绕被测人拍摄，被测人可以站立或坐立；拍摄视频每一帧均需拍到被测人全身以及完整参照物； 2参照物检测：利用目标检测算法对视频数据集逐帧处理，记录参照物的像素高度和对应帧序号，修正异常帧并填补未检测到的帧，计算参照物映射比例； 3关键点检测：利用关键点检测算法进行人体关键点检测，记录每帧各项指标的像素数据和帧序号，生成身体指标像素数据文件，根据映射比例生成身体指标测量文件； 4神经网络优化：设计神经网络，自训练优化模型，输入身体指标测量文件，将多帧测量数据整合为单一输入向量，对每一项指标进行优化，输出最终测量指标； 步骤1所述的视频数据集制作包括如下子步骤： 1.1拍摄过程中需确保每一帧完整覆盖被测人的全身，同时清晰捕捉到参照物的完整轮廓，参照物包含但不限于塑料瓶、易拉罐； 1.2录制完成后，对视频进行初步筛选，剔除画质模糊或未满足拍摄要求的片段，保留符合要求的视频集； 1.3将步骤1.2中的视频集按帧提取为图像集{I}，记录图像帧序号n； 步骤2所述的参照物检测包括如下子步骤： 2.1对步骤1.3中生成的图像集{I}进行逐帧处理，利用目标检测算法检测参照物，记录像素高度Hpn，其中目标检测算法包括但不限于DETR系列、YOLO系列；若检测不到瓶子则记录为缺失值-1，将所有检测值存储为高度序列{Hp}； 2.2将检测结果按以下步骤进行修复和补值处理，将高度序列中缺失值-1转化为None，其余值转化为整数；记录已知高度值所在帧的序号{nk}和对应的高度值{Hpk}；若存在缺失帧，则对缺失帧进行补值，补值方法包括但不限于线性插值法、最小二乘法插值法； 2.3对检测值进行异常平滑处理，若某帧高度值与前一帧高度值相差超过设定阈值，则对该值进行平滑处理，平滑处理方法包括但不限于高斯平滑、局部加权回归； 2.4将处理后的参照物像素高度值存储为新的高度序列，结合参照物的实际高度，利用每帧的参照物像素高度H′ pn和实际高度Hr，根据式2-1计算像素到实际长度的比例： 步骤3所述的关键点检测包括如下子步骤： 3.1对步骤1.3中提取的图像集{I}，利用关键点检测算法对每帧图像进行人体关键点检测，关键点检测算法包括但不限于YOLOv8-Pose、PoseResNet； 3.2根据步骤3.1的检测结果，输出包含每个检测框的坐标及关键点信息，筛选检测框，保留置信度大于设定阈值的结果； 3.3根据两点之间的欧几里得距离公式计算关键指标的像素值: 其中，x1,y1,x2,y2为两关键点的像素坐标； 3.4使用预定义的系数对距离值进行加权修正： Larm＝d·karm3-2 3.5利用骨架中定义的关键点对，逐一计算每帧的人体测量指标，根据步骤2.4获得的映射比例和式3-3将关键点像素距离映射为真实距离： Dsn＝dsn·rn3-3 3.6对所有映射数据进行一致性检查，修正异常值，生成真实测量数据。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。