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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于增强型拓扑感知网络的三维人体姿态估计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：CN119887928B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510361017.8，技术领域涉及：G06F17/40；该发明授权一种基于增强型拓扑感知网络的三维人体姿态估计方法是由林皓月;李军侠;孙玉宝;刘青山设计研发完成，并于2025-03-26向国家知识产权局提交的专利申请。

本一种基于增强型拓扑感知网络的三维人体姿态估计方法在说明书摘要公布了：本发明公开了一种基于增强型拓扑感知网络的三维人体姿态估计方法，该方法包括获取人体动作捕捉数据集；构建增强型拓扑感知网络模型，该模型包括依次连接的特征嵌入块、重复堆叠5次的增强拓扑感知模块和回归头，增强拓扑感知模块包括时空双分支Transformer和混合约束模块；利用数据集对该模型进行训练，得到最终的增强型拓扑感知网络模型；将需要检测的人体图片或视频输入到最终的增强型拓扑感知网络模型中，得到每个关节对应的三维坐标，完成三维人体姿态的估计。本发明生成的三维姿态坐标更接近真实情况，准确性更高。

本发明授权一种基于增强型拓扑感知网络的三维人体姿态估计方法在权利要求书中公布了：1.一种基于增强型拓扑感知网络的三维人体姿态估计方法，其特征在于，包括：S1、获取人体动作捕捉数据集；S2、构建增强型拓扑感知网络模型，利用步骤S1中的数据集对该模型进行训练，得到最终的增强型拓扑感知网络模型；具体内容为：增强型拓扑感知网络模型包括依次连接的特征嵌入块、重复堆叠5次的增强拓扑感知模块和回归头；其中，增强拓扑感知模块包括时空双分支Transformer和混合约束模块；将步骤S1中的数据集按照7:3分为训练集和测试集，利用训练集对增强型拓扑感知网络模型进行训练，利用测试集对训练后的增强型拓扑感知网络模型进行测试，得到最终的增强型拓扑感知网络模型；S3、将需要检测的人体图片或视频输入到最终的增强型拓扑感知网络模型中，得到每个关节对应的三维坐标，完成三维人体姿态的估计；具体内容为：利用二维姿态检测器获取关节的二维坐标P2D∈RT×N×3，其中T和N分别表示序列的帧数和关节数，数字3表示维度，该维度包括关节的横、纵坐标和置信度分数；将该二维坐标输入到最终的增强型拓扑感知网络模型中，经过特征嵌入块，将该二维坐标投影到高维，得到初步高维特征P∈RT×N×C，其中C表示维度大小；添加一组张量，将其与初步高维特征相加后输入到增强拓扑感知模块中，利用时空双分支Transformer计算关节间的时空全局依赖关系，得到融合后的中间特征，具体内容为：时空双分支Transformer包括以空间-时间顺序堆叠的Transformer块和以时间-空间顺序堆叠的Transformer块；其中，以空间-时间顺序堆叠的Transformer块包括依次连接的空间编码器和时间编码器，以时间-空间顺序堆叠的Transformer块包括依次连接的时间编码器和空间编码器；相加后的张量和初步高维特征经过时空双分支Transformer，得到相应的中间特征，具体表达式为：P1＝TTESTEP；P2＝STETTEP；其中，P1表示经过以空间-时间顺序堆叠的Transformer块得到的中间特征，P2表示经过以时间-空间顺序堆叠的Transformer块得到的中间特征，TTE表示时间编码器，STE表示空间编码器；对P1、P2进行自适应融合，得到融合后的中间特征，具体表达式为：W＝FCConcatP1,P2；F＝W1·P1+W2·P2；其中，W表示维度转化后的张量，FC表示线性层，Concat表示拼接操作，F表示融合后的中间特征，W1与W2均表示权重；根据关节的自由度和所属肢体类别，利用混合约束模块分别获取不同关节的局部拓扑约束，通过自适应融合得到最终的混合拓扑约束，利用该约束对融合后的中间特征进行结构化引导，完成增强拓扑感知模块的操作；在增强拓扑感知模块中进行的操作重复5次，得到人体拓扑结构的增强型特征，经过回归头，利用线性层预测得到最终的三维姿态坐标P3D∈RT×N×3。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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”。