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实时关键点检测的非站立式量体方法及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：CN119498819B 。

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：202411316862.5，技术领域涉及：A61B5/107；该发明授权一种基于实时关键点检测的非站立式量体方法及装置是由卜佳俊;吕青松;张旭;李亮城;王炜;许诚设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种基于实时关键点检测的非站立式量体方法及装置在说明书摘要公布了：一种基于实时关键点检测的非站立式量体方法及装置，该方法包括1采集非站立式数据集图像；2标注关节关键点：左耳、右耳、左肩、右肩、左肘、右肘、左手腕、右手腕、左髋、右髋、左膝、右膝、左踝、右踝；标注检测框：大臂、小臂、大腿、小腿、身体躯体、头部；标注局部横截面最长边缘关键点：大臂、小臂、大腿、小腿；3设计复合网络，将所有关键点及检测框合并送入网络训练；4复合网络支持视频实时检测、上传视频、上传图片三种方式得出身体数据结果。本发明具有高精度，低延迟，鲁棒性强特点，可用于肢体残疾人身体测量、辅助健全人快速测量身体数据、衣物商家智能量体等产品功能应用，具有较好的商业化前景。

本发明授权一种基于实时关键点检测的非站立式量体方法及装置在权利要求书中公布了：1.一种基于实时关键点检测的非站立式量体方法，其特征在于，包括如下步骤： 1采集非站立式数据集图像：被采集人需放置一张常规规格卡片于相机视野中，采集者可对被采集人拍摄图片或环绕被采集人录像一圈； 2标注关键点及检测框：标注关节关键点：左耳、右耳、左肩、右肩、左肘、右肘、左手腕、右手腕、左髋、右髋、左膝、右膝、左踝、右踝；标注大臂、小臂、大腿、小腿局部横截面最长边缘关键点；标注检测框：大臂、小臂、大腿、小腿、身体躯体、头部、卡片；具体包括： 2.1对于检测框：大臂、小臂、大腿、小腿、身体躯体、头部、卡片；采用最小包围框圈住目标，包围框的长、宽均平行于图像长、宽，记录各部位包围框的坐标信息X,Y,W,H： 其中，x,y是包围框中心的图像坐标；Box_x，Box_y分别是包围框的长、宽；image_x和image_y分别是图像的长、宽； 2.2对于关节关键点：左耳、右耳、左肩、右肩、左肘、右肘、左手腕、右手腕、左髋、右髋、左膝、右膝、左踝、右踝；标注规则按医学人体结构规则进行标注，在步骤2.1的局部区域，记录各个关节点在局部区域的坐标X,Y,0,0；X,Y的计算同公式2-1； 2.3局部横截面最长边缘关键点：大臂、小臂、大腿、小腿；标注规则按当前区域图像最宽横截面进行标注，在步骤2.1的局部区域，记录最宽横截面的两点坐标X1,Y1,0,0，X2,Y2,0,0；X1,Y1,X2,Y2的计算同公式2-1； 3设计复合网络并训练数据：当图像输入复合网络后，先基于目标检测模型检测大臂、小臂、大腿、小腿、身体躯体、头部区域；将各个子区域再进行关键点检测和区域数据分析；最后合并训练各区域数据；具体包括： 3.1复合网络结构包括输入层、区域检测层、关键点检测层、数据分析层、数据修正层、更新层、输出层； 3.1.1输入层：可输入图像；若输入视频则循环依次输入该视频的每一帧； 3.1.2区域检测层：该层采用目标检测算法检测大臂、小臂、大腿、小腿、身体躯体、头部、卡片，目标检测算法包括不限于YOLO系列、RCNN系列，其标签为步骤2.1的检测框； 3.1.3关键点检测层：该层基于步骤3.1.2的区域检测结果，送入该层的各个分支，以检测每个分支所包含的关键点；各分支单独拥有步骤3.1.2格式的权重，其标签为步骤2.2和步骤2.3关键点； 3.1.4数据分析层：需要将各区域的检测结果的长度、宽度进行映射，映射规则为： 其中R_h与公式3-2计算相同；x1，y1，x2，y2分别为该区域检测的关键点坐标；C_w，C_h分别是卡片在步骤3.1.2检测的卡片包围框长、宽；T_x，T_y分别是各区域内的真实映射长度； 3.1.5数据修正层：对各指标引入超参数系数进行修正：大臂长＝λ1*T_x1、大臂宽＝λ2*T_y1、小臂长＝λ3*T_x2、小臂宽＝λ4*T_y2、大腿长＝λ5*T_x3、大腿宽＝λ6*T_y3、小腿长＝λ7*T_x4、小腿宽＝λ8*T_y4、头长＝λ9*T_x5、躯体长＝λ10*T_x6、身高＝头长+躯体长+大腿长+小臂长；λ1-λ10在该层进行修正；修正更新在该层逆向传播进行； 3.1.6更新层：该层记录各图像帧的各指标数据最大值，循环时不断更新各个指标数据最大值； 3.1.7输出层：步骤3.1.6结束时，输出最终的身体指标数据； 3.2将步骤1.3采集的所有图像、视频数据重复执行步骤3.1进行训练得到最优模型； 4视频流、上传视频、上传图像进复合网络得出身体数据：图像单次检测结果即为身体最终的量体数据；视频流和上传视频两种输入复合网络，将得到在各帧图像中最大的指标数据。

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”。

以上内容由龙图腾AI智能生成。