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！

龙图腾网获悉华侨大学;福建省公田软件股份有限公司申请的专利一种基于人体结构引导学习网络的姿态估计方法及系统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：CN115223190B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202210119930.3，技术领域涉及：G06V40/10；该发明授权一种基于人体结构引导学习网络的姿态估计方法及系统是由骆炎民;王友杰;林躬耕设计研发完成，并于2022-02-09向国家知识产权局提交的专利申请。

本一种基于人体结构引导学习网络的姿态估计方法及系统在说明书摘要公布了：本发明公开一种基于人体结构引导学习网络的姿态估计方法及系统，涉及人体姿态估计技术领域，包括：获取待测人体姿态图像；将待测人体姿态图像输入至人体姿态估计模型中，以获取人体姿态；人体姿态估计模型是根据训练集和标定深度卷积神经网络训练得到的；训练集包括多张第一图像以及与第一图像对应的标签信息；标签信息为所述第一图像中的人体关节点；人体关节点用于构建所述人体姿态；标定深度卷积神经网络包括茎网络、第一主干网络、第二主干网络、人体结构引导学习分支网络和特征融合细化网络。本发明结合人体结构引导学习方法和特征融合方法构建人体姿态估计模型，提高模型预测的精确度。

本发明授权一种基于人体结构引导学习网络的姿态估计方法及系统在权利要求书中公布了：1.一种基于人体结构引导学习网络的姿态估计方法，其特征在于，所述姿态估计方法包括： 获取待测人体姿态图像；所述待测人体姿态图像包括多个人体关节点； 将所述待测人体姿态图像输入至人体姿态估计模型中，以获取人体姿态； 所述人体姿态估计模型是根据训练集和标定深度卷积神经网络训练得到的；所述训练集包括多张第一图像以及与所述第一图像对应的标签信息；所述标签信息为所述第一图像中的人体关节点；所述人体关节点用于构建所述人体姿态；所述标定深度卷积神经网络包括茎网络、第一主干网络、第二主干网络、人体结构引导学习分支网络和特征融合细化网络； 所述茎网络的输入端用于输入所述训练集；所述茎网络的输出端与所述第一主干网络的输入端连接；所述茎网络用于对所述训练集中的第一图像进行特征提取，以确定第一特征图； 所述第一主干网络的第一输出端与所述第二主干网络的输入端连接，所述第一主干网络的第二输出端与所述人体结构引导学习分支网络的输入端连接；所述第一主干网络用于对所述第一特征图进行特征提取，以确定第二特征图； 所述第二主干网络的输出端与所述特征融合细化网络的第一输入端连接，所述第二主干网络用于对所述第二特征图进行特征提取，以确定第三特征图； 所述人体结构引导学习分支网络的输出端与所述特征融合细化网络的第二输入端连接；所述人体结构引导学习分支网络用于对所述第二特征图进行人体结构解析，以确定第四特征图； 所述特征融合细化网络用于对所述第三特征图和所述第四特征图进行多尺度特征融合，并对融合后的特征图进行姿态细化，以确定人体姿态； 所述人体姿态估计模型的训练过程，还包括： 确定目标损失函数；根据所述目标损失函数和所述训练集对所述标定深度卷积神经网络进行训练，以得到人体姿态估计模型； 其中，所述目标损失函数为由第一损失函数、第二损失函数、第三损失函数和第四损失函数确定的；所述第一损失函数用于表示所述第二特征图对应的人体关节预测点与第一图像中人体关节点之间的损失值；所述第二损失函数用于表示所述第二特征图对应的人体关节预测点的偏移量与所述人体关节预测点的平均偏移量之间的损失值；所述第三损失函数用于表示所述第四特征图对应的人体关节预测点中各个人体关节预测点之间的距离与第一图像中各个人体关节点之间的距离的损失值；所述第四损失函数用于表示所述融合后的特征图对应的人体关节预测点与第一图像中人体关节点之间的损失值； 所述第一损失函数为： 其中，L表示第一损失函数值；i表示人体编号，j为人体关节点的编号，且i,j为正整数；Pp表示第二特征图中第i个人的人体关节预测点；表示与所述第二特征图对应的关节点热图，表示与所述第二特征图对应的关节点热图中的粗关节点，λ表示关节点的个数；Gp表示第i个人在第一图像中真实的人体关节点；G＝{g1,...,gλ}，表示与第一图像对应的关节点热图，gλ表示与第一图像对应的关节点热图中真实的人体关节点； 所述第二损失函数为： 其中，Lo表示第二损失函数值；Oipj表示第二特征图中第i个人的人体关节预测点的偏移量，表示第二特征图中第i个人的人体关节预测点的平均偏移量； 所述第三损失函数为： 其中，Lb表示第三损失函数值；k和n表示第四特征图中人体关节点的编号，且k,n∈j；表示第四特征图中预测的第k个人体关节点，表示第四特征图中预测的第n个人体关节点；表示第一图像中真实的第k个人体关节点，表示第一图像中真实的第n个人体关节点；表示真实的相邻人体关节点之间的距离，表示预测的相邻人体关节点之间的距离； 所述第四损失函数为： 其中，Lm表示第四损失函数值；Mimj表示所述融合后的特征图中第i个人的人体关节预测点；表示与所述融合后的特征图对应的关节点热图，表示与所述融合后的特征图对应的关节点热图中的粗关节点。

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华侨大学;福建省公田软件股份有限公司，其通讯地址为：362021 福建省泉州市城华北路269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。