龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：重庆大学
摘要：本发明公开了基于GCN和Transformer的特征融合3D人体姿态估计方法，包括：将带置信度的2D姿态关键点输入经过训练的姿态估计模型中，输出对应的预测3D人体姿态关键点；姿态估计模型的处理步骤如下：将2D姿态关键点映射到高维；通过多个层级的特征层依次对高维特征进行特征提取，得到对应的时空特征；通过依次连接的空间Transformer和时间Transformer提取全局姿态特征；通过依次连接的GCN块和多尺度Transformer提取局部姿态特征；通过层级特征融合层将各个层级特征层对应的时空特征进行特征融合，生成对应的总体特征；通过回归头对总体特征进行处理，生成对应的预测3D人体姿态关键点。本发明通过GCN来弥补Transformer在人体姿态的空间特征提取上表现不佳的问题，从而提高3D人体姿态估计的准确性。
主权项：1.基于GCN和Transformer的特征融合3D人体姿态估计方法，其特征在于，包括：S1：获取带置信度的2D姿态关键点；S2：将带置信度的2D姿态关键点输入经过训练的姿态估计模型中，输出对应的预测3D人体姿态关键点；姿态估计模型的处理步骤如下：S201：通过嵌入层将2D姿态关键点映射到高维，得到高维特征；S202：通过多个层级的特征层依次对高维特征进行特征提取，得到对应的时空特征；特征层包括全局特征支路和局部特征支路，且全局特征支路提取的全局姿态特征和局部特征支路提取的局部姿态特征动态加权后生成该特征层的时空特征；全局特征支路通过依次连接的空间Transformer和时间Transformer提取全局姿态特征；局部特征支路通过依次连接的GCN块和多尺度Transformer提取局部姿态特征；S203：通过层级特征融合层将各个层级特征层对应的时空特征进行特征融合，生成对应的总体特征；S204：通过回归头对总体特征进行处理，生成对应的预测3D人体姿态关键点；S3：将输出的预测3D人体姿态关键点作为对应的3D人体姿态估计结果。
全文数据：
权利要求：
百度查询： 重庆大学 基于GCN和Transformer的特征融合3D人体姿态估计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号