-
公开(公告)号：CN113420676B
公开(公告)日：2023-06-02
申请号：CN202110709283.7
申请日：2021-06-25
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了3D人体姿态估计技术领域的一种二路特征交错融合网络的3D人体姿态估计方法，包括如下步骤：步骤S10、创建同级关节的第一邻接矩阵以及跨关节的第二邻接矩阵；步骤S20、基于所述第一邻接矩阵以及第二邻接矩阵创建一局部联系特征提取规则；步骤S30、创建一全局联系特征提取规则；步骤S40、利用所述局部联系特征提取规则以及全局联系特征提取规则进行特征提取后，进行交错汇总，并回归计算出3D人体骨架，完成3D人体姿态估计。本发明的优点在于：极大的提升了3D人体姿态估计的精度。
-
公开(公告)号：CN112597954B
公开(公告)日：2023-06-02
申请号：CN202011607930.5
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供一种基于自底向上的多人姿态估计方法及系统，所述方法包括：步骤1、生成关节所属个体的热图标签；步骤2、修改深度卷积神经网络的预测输出规模；步骤3、采用训练后的深度卷积神经网络对待测图像计算，得到所有人体的中心位置、关节位置以及关节对应所属的人体中心编码，并计算得到多人的完整姿态。本发明通过获取所有人体的中心位置、关节位置以及关节对应所属的人体中心编码，得到多人姿态估计，估计过程无需复杂的匹配计算，提高输出精度和效率。
-
公开(公告)号：CN112597956A
公开(公告)日：2021-04-02
申请号：CN202011607985.6
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供一种基于人体锚点集合与感知增强网络的多人姿态估计方法，包括：步骤1、构建感知增强网络，并利用训练数据集进行网络训练和调优；步骤2、对一张待测试图片，首先将该图片输入感知增强网络中进行关节检测热图和锚点嵌入热图的检测，接着基于这两类热图进行算法的后处理过程，得到多人的姿态估计结果。本发明的优点在于：基于人体划分的思想，通过将多人姿态估计任务划分为上下两个半身的姿态估计子任务，能够有效降低检测任务的建模难度；结合注意力机制与特征融合策略构建感知增强网络，能够充分挖掘神经网络模型的特征提取能力，最终得到更加精确的多人姿态估计结果。
-
公开(公告)号：CN112597954A
公开(公告)日：2021-04-02
申请号：CN202011607930.5
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供一种基于自底向上的多人姿态估计方法及系统，所述方法包括：步骤1、生成关节所属个体的热图标签；步骤2、修改深度卷积神经网络的预测输出规模；步骤3、采用训练后的深度卷积神经网络对待测图像计算，得到所有人体的中心位置、关节位置以及关节对应所属的人体中心编码，并计算得到多人的完整姿态。本发明通过获取所有人体的中心位置、关节位置以及关节对应所属的人体中心编码，得到多人姿态估计，估计过程无需复杂的匹配计算，提高输出精度和效率。
-
公开(公告)号：CN112668545B
公开(公告)日：2023-06-02
申请号：CN202110031499.2
申请日：2021-01-11
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/20 , G06V40/10 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了人体姿态估计技术领域的一种基于人体树状网络和不同激活域值的姿态估计方法，包括如下步骤：步骤S10、搭建人体树状网络；步骤S20、分别设置各关节的激活域值，基于所述激活域值生成训练标签；生成各关节的偏移热图标签；利用所述训练标签以及偏移热图标签对人体树状网络进行训练；步骤S30、将人体图像输入训练后的所述人体树状网络，计算得到各关节之间的亲属度；基于所述亲属度计算得到所述人体图像中每个人的完整姿态。本发明的优点在于：极大的提升了人体姿态估计的精度。
-
Patent Agency Ranking
公开(公告)号：CN112241726B
公开(公告)日：2023-06-02
申请号：CN202011188660.9
申请日：2020-10-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/30 , G06T7/62
Abstract: 本发明提供了人体姿态估计技术领域的一种基于自适应感受野网络和关节点损失权重的姿态估计方法，包括：步骤S10、基于自适应感受野单元搭建自适应感受野网络；步骤S20、利用样本图像对所述自适应感受野网络进行训练；步骤S30、在训练所述自适应感受野网络时，计算得到所述样本图像包含的关节点以及各关节点的损失值；步骤S40、基于各关节点的所述损失值计算各关节点的损失权重；步骤S50、基于所述损失权重以及损失值计算得到最终损失值，基于所述最终损失值优化自适应感受野网络；步骤S60、将待测图像输入训练好的所述自适应感受野网络，计算关节点的位置并形成完整的人体姿态。本发明的优点在于：极大的提升了人体姿态估计的精度和效率。
-
公开(公告)号：CN115223237A
公开(公告)日：2022-10-21
申请号：CN202210120713.6
申请日：2022-02-09
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明公开一种基于关节权重旋转的人体姿态估计方法及系统，涉及3D人体姿态估计技术领域，包括：获取人体关节的关节二维坐标；将多个所述关节二维坐标输入至第一旋转权权重组件，以计算第一关节特征；将所述第一关节特征输入至旋转权重残差模块，以得到第二关节特征；将所述第二关节特征输入至第二旋转权重组件，以得到关节三维坐标；其中，所述旋转权重残差模块包括多个旋转权重残差子模块，所述旋转权重残差子模块、所述第一旋转权重组件和所述第二旋转权重组件均至少包括一个旋转权重组件。本发明提高了二维姿态到三维姿态转换的精度和速度。
-
公开(公告)号：CN113420676A
公开(公告)日：2021-09-21
申请号：CN202110709283.7
申请日：2021-06-25
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了3D人体姿态估计技术领域的一种二路特征交错融合网络的3D人体姿态估计方法，包括如下步骤：步骤S10、创建同级关节的第一邻接矩阵以及跨关节的第二邻接矩阵；步骤S20、基于所述第一邻接矩阵以及第二邻接矩阵创建一局部联系特征提取规则；步骤S30、创建一全局联系特征提取规则；步骤S40、利用所述局部联系特征提取规则以及全局联系特征提取规则进行特征提取后，进行交错汇总，并回归计算出3D人体骨架，完成3D人体姿态估计。本发明的优点在于：极大的提升了3D人体姿态估计的精度。
-
公开(公告)号：CN112597955A
公开(公告)日：2021-04-02
申请号：CN202011607963.X
申请日：2020-12-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明实施例公开了一种基于特征金字塔网络的单阶段多人姿态估计方法，涉及人体姿态估计技术领域，包括：步骤10、基于MobileNet网络搭建特征金字塔网络，所述金字塔网络用于提取分辨率顺序降低的多张初级特征图，然后进行通道间的信息融合；步骤20、利用多人姿态估计数据集构造中心点热图、上偏移热图、下偏移热图以及关节细化热图作为训练标签，对所述特征金字塔网络进行训练；步骤30、将待测图像输入训练好的所述特征金字塔网络，计算关节的位置并形成完整的多人人体姿态。本发明实施例使得网络能够高效的进行信息流动，提升了人体姿态估计的精度；同时通过快速的后处理匹配过程，能够进一步加快多人姿态估计算法的处理速度。
-
公开(公告)号：CN112241726A
公开(公告)日：2021-01-19
申请号：CN202011188660.9
申请日：2020-10-30
Applicant: 华侨大学 , 福建省公田软件股份有限公司
Abstract: 本发明提供了人体姿态估计技术领域的一种基于自适应感受野网络和关节点损失权重的姿态估计方法，包括：步骤S10、基于自适应感受野单元搭建自适应感受野网络；步骤S20、利用样本图像对所述自适应感受野网络进行训练；步骤S30、在训练所述自适应感受野网络时，计算得到所述样本图像包含的关节点以及各关节点的损失值；步骤S40、基于各关节点的所述损失值计算各关节点的损失权重；步骤S50、基于所述损失权重以及损失值计算得到最终损失值，基于所述最终损失值优化自适应感受野网络；步骤S60、将待测图像输入训练好的所述自适应感受野网络，计算关节点的位置并形成完整的人体姿态。本发明的优点在于：极大的提升了人体姿态估计的精度和效率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.03 seconds)
