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！

龙图腾网获悉合肥工业大学申请的专利基于图神经网络的单目人体运动轨迹估计方法和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：CN116403289B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310589985.5，技术领域涉及：G06V40/20；该发明授权基于图神经网络的单目人体运动轨迹估计方法和系统是由欧阳波;翟凯;丁帅;杨善林设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本基于图神经网络的单目人体运动轨迹估计方法和系统在说明书摘要公布了：本发明提供了一种基于图神经网络的单目人体运动轨迹估计方法和系统，涉及人体运动轨迹估计技术领域。本发明设计了一种基于图神经网络的人体运动轨迹估计网络，利用多个堆叠的时空模块挖掘人体运动中时间与空间特征，其中空间模型采用图神经网络探索人体拓扑结构先验下的关节特征以及采用肢体分组探索肢体组内的关节的空间相关性，时间模型采用基于Transformer结构建模各关节运动轨迹以及采用肢体分组探索肢体组整体的时间轨迹特征，实现更为精准的轨迹估计。

本发明授权基于图神经网络的单目人体运动轨迹估计方法和系统在权利要求书中公布了：1.一种基于图神经网络的单目人体运动轨迹估计方法，其特征在于，该方法包括： 获取包含单目视频及真值标签的数据集，所述真值标签包括：关节的真值二维坐标和关节的真值三维坐标； 基于数据集训练人体运动轨迹估计模型； 基于训练好的人体运动轨迹估计模型获取待估计单目视频的人体运动轨迹； 其中，所述人体运动轨迹估计模型包括： 二维姿势序列获取模块，用于获取单目视频中的二维姿势序列；所述二维姿势序列包括按单目视频的时间顺序排序的N个关节的二维坐标； 第一升维模块，用于将二维姿势序列的关节二维坐标的特征的维度提升至预设维度C； L个依次连接的时空块，且每个时空块包括依次连接的一个空间块和一个时间块；其中所述空间块用于空间特征学习；所述时间块用于时间特征学习； 低通预测模块，用于基于最后一个所述时间块输出的特征获取关节三维坐标； 其中，每个所述空间块依次包括一个多跳图注意力模块和一个空间肢体注意力模块； 所述多跳图注意力模块为： 其中， 表示第k跳的特征潜表示； Ak表示第k跳的邻接矩阵； Xg表示各个多跳图注意力模块的原始输入特征； Wk表示可学习的权重矩阵； α表示每个节点的多特征潜表示权重； Wα表示映射函数； 表示将各跳特征潜表示与原始输入特征Xg在特征维度进行拼接； Xgo表示多跳图注意力模块更新后的节点特征； β表示衰减因子； ⊙表示元素积； 表示将各跳特征潜表示与原始输入特征Xg进行堆叠操作； 所述空间肢体注意力模块为： Xp＝Xgo[groupp] Xps＝Xps+MLPXps 其中， Xp表示根据肢体分组图对更新后的节点特征划分得到的第p组的特征向量； Xps表示第p组进行组内自注意力学习后的特征； 表示第p组对应的不同的映射函数； T表示转置函数； softmax表示归一化指数函数； MLP表示多层感知机； 表示通过层归一化对Xp进行特征分布归一化后的Xp； 每个所述时间块包括依次连接的一个时间肢体注意力模块、第二升维模块、至少一个轨迹注意力模块、第一降维模块； 所述时间肢体注意力模块为： Xpt＝Xpt+MLPXpt 其中， Xpt表示时间肢体注意力模块的输出； 表示通过层归一化对Xps进行特征分布归一化后的Xps； 所述第二升维模块用于将特征XT的维度提升至预设维度的M倍，所述特征XT表示将Xpt按照对应关节索引重排并将时间维度与关节维度进行维度变换后得到的特征； 所述轨迹注意力模块为： XT＝XT+dctFCXT 其中， 表示通过层归一化对XT进行特征分布归一化后的XT； dctFC表示全连接层为： dctFC＝IDCTFCDCTXT DCT表示离散余弦变换，IDCT表示逆离散余弦变换，FC表示全连接层，且全连接层的输出维度与输入维度均为M*C； 所述第一降维模块用于将轨迹注意力模块输出的XT的维度映射回预设维度C。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。