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！

摘要：一种基于Transformer和图卷积网络的人体姿态预测方法，由获取三维人体姿态数据集、划分数据集、构建人体姿态预测网络、训练人体姿态预测网络、测试人体姿态预测网络组成。由于本发明采用了Transformer和图卷积网络的人体姿态预测网络，解决了现有人体姿态预测方法依赖隐变量模型和概率性建模来合成可能发生的人体运动，人体姿态序列的复杂性和高维性，无法准确地预测出人体姿态序列的技术问题。Transformer网络与图卷积网络的联合使用，能够兼顾人体姿态序列局部和全局的时空依赖关系，更有效地提取运动特征，本发明通过结合Transformer的长程依赖特征提取能力和图卷积的空间特征建模能力，提高了人体姿态预测的准确度。

主权项：1.一种基于Transformer和图卷积网络的人体姿态预测方法，其特征在于由下述步骤组成：1获取三维人体姿态数据集从官网http:vision.imar.rohuman3.6mdescription.php下载Human3.6m数据集；2划分数据集Human3.6m数据集包含7个子数据集：动作集S1，动作集S5，动作集S6，动作集S7，动作集S8，动作集S9、动作集S11，每个子数据集都包含15种动作：走路f1、吃饭f2、吸烟f3、讨论f4、指路f5、打招呼f6、摄像f7、摆姿态f8、购买f9、坐f10、坐下f11、拍照f12、等待f13、遛狗f14、一起走f15；用动作S1、动作集S6、动作集S7，动作集S8、动作集S9作为训练集，用动作集S5、动作集S11作为测试集；3构建人体姿态预测网络人体姿态预测网络由编码器与解码器串联构成；所述的编码器由Transformer编码器与空间编码器并联构成；所述的解码器由可学习的位置编码层3与Transformer编码层3、卷积层1、卷积层2依次串联构成；4训练人体姿态预测网络1构建损失函数按下式构建损失函数LMPJPE： 其中，J为人体关节数，J取值为16～32，T为帧数，T取值为10～25,表示在实数范围内第t帧关节j的三维预测坐标，xjt表示在实数范围内第t帧关节j的三维真实坐标；2训练人体姿态预测网络将训练集输入到人体姿态预测网络进行训练，训练参数为：训练批次为16，训练迭代次数为60，训练服务器为GTX1080，训练至损失函数LMPJPE收敛；5测试人体姿态预测网络将测试集输入到训练好的人体姿态预测网络中进行测试，输出动作集S5、动作集S11的预测值。

全文数据：

权利要求：

百度查询： 陕西师范大学 基于Transformer和图卷积网络的人体姿态预测方法