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！

龙图腾网获悉天翼爱动漫文化传媒有限公司申请的专利一种用于合影的虚拟人姿态生成方法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：CN116071470B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202211669128.8，技术领域涉及：G06T13/40；该发明授权一种用于合影的虚拟人姿态生成方法是由陈彦峰设计研发完成，并于2022-12-23向国家知识产权局提交的专利申请。

本一种用于合影的虚拟人姿态生成方法在说明书摘要公布了：本发明公开了一种用于合影的虚拟人姿态生成方法，属于软件开发技术领域，包括：该方法采用双重摄像捕捉系统，分别采集用户面部情态和身体姿态数据，并对用户面部情态和身体姿态数据进行时间同步，生成用户姿态表情数据；将身体数据通过SMPL人体模型进行训练，生成虚拟训练数据，生成姿态特征向量，并通过对姿态特征向量和姿态表情数据对姿态影响程度进行逻辑回归，获得姿态影响因子；将用户姿态表情数据和姿态影响因子作为约束项加入3D姿态预测模型拟合目标函数，实现目标函数最优化，动态调整虚拟人物姿态，实现用户与虚拟人物最佳合影。

本发明授权一种用于合影的虚拟人姿态生成方法在权利要求书中公布了：1.一种用于合影的虚拟人姿态生成方法，其特征在于，包括：该方法采用双重摄像捕捉系统，分别采集用户面部情态和身体姿态数据，并对用户面部情态和身体姿态数据进行时间同步，生成用户姿态表情数据； 将身体数据通过SMPL人体模型进行训练，生成虚拟训练数据，生成姿态特征向量，并通过对姿态特征向量和姿态表情数据对姿态影响程度进行逻辑回归，获得姿态影响因子； 将用户姿态表情数据和姿态影响因子作为约束项加入3D姿态预测模型拟合目标函数，实现目标函数最优化，动态调整虚拟人物姿态，实现用户与虚拟人物最佳合影； 将身体数据通过SMPL人体模型进行训练，生成虚拟训练数据，具体包括以下步骤： S21：提取身体数据中的关节点信息，并通过HMR算法得到SMPL模型； S22：通过ICP算法将每个关节点都通过X、Y、Z三个值来描述关节点的空间位置，X、Y值是相对于骨骼平面空间的位置，将骨骼坐标点转换到对应的深度数据影像中，进行SMPL模型优化； S23：通过投影将优化后的SMPL模型叠加到彩色图像上，生成虚拟训练数据，得到虚拟人体姿态成像； 生成姿态特征向量，并通过对姿态特征向量和姿态表情数据对姿态影响程度进行逻辑回归，获得姿态影响因子，具体包括以下步骤： S31:将身体数据中的关节点信息组成集合，计算出集合中所有相邻关节之间姿态角，通过罗德里格斯公式计算出姿态特征向量，所述表示人体姿态参数，所述姿态角表示相邻关节之间旋转的轴角； S32:采用Holt双参指数平滑算法对面部情态参数进行平滑预测，并匹配姿态得到匹配后的面部情态; S33:通过将用户姿态与虚拟人姿态之间的对姿态特征变化进行判定，输出匹配度结果； S34：构建以姿态特征向量和面部情态为自变量，匹配度结果为因变量的二元逻辑回归模型，得出影响匹配度的主要影响因子，并进行因子分析，得到成分矩阵； 将用户姿态表情数据和姿态影响因子作为约束项加入3D姿态预测模型拟合目标函数，实现目标函数最优化，动态调整虚拟人物姿态，实现用户与虚拟人物最佳合影，具体包括以下步骤： S41：通过将用户姿态表情数据通过特征工程将特征数据从原始空间转换到新的特征空间； S42：结合姿态影响因子，利用多尺度小波分析方法从特征数据中提取高频细节特征和低频细节特征； S43：结合高频细节特征和低频细节特征，采用seq2seq姿态预测模型，对虚拟人物姿态进行预测及调整； 所述seq2seq姿态预测模型预测未来200-500ms以内姿态数据； 所述方法还包括：通过将用户姿态与虚拟人姿态之间的对姿态特征变化进行判定，将姿态特征向量与模型三维关键位置投影至彩色图像上，并通过神经网络训练学习融合度及匹配度评估体系。

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天翼爱动漫文化传媒有限公司，其通讯地址为：361000 福建省厦门市思明区厦门市软件园二期望海路6号301；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。