公开(公告)号：CN116524062B

公开(公告)日：2023-09-01

申请号：CN202310807926.0

申请日：2023-07-04

Applicant: 南京邮电大学

Inventor： 张锋 ,  刘锦维 ,  李泽 ,  马海龙 ,  陈蕾

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455 ,  G06V10/80 ,  G06T5/00

Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于扩散模型的2D人体姿态估计方法，其采集人体姿态图像及标注信息，并利用前向扩散公式在标注的关节点坐标中加入噪声破坏其中的坐标信息，生成中间噪声样本；然后构建2D人体姿态估计扩散模型；随后模型依据输入图像与生成的噪声样本预测出目标关节点的热图，再将预测结果与标注间的均方误差作为损失函数优化模型参数；最后将模型预测关节点热图送入反向扩散公式，完成高斯噪声的迭代去噪，获得去噪后的精确预测。本发明预测精度高，有效提高了2D人体姿态估计方法在实际应用中泛化性和鲁棒性，并使模型可以通过改变推理采样步数，取得检测效率与精度上的平衡，以适应不同应用场景的需求。

公开(公告)号：CN117058712A

公开(公告)日：2023-11-14

申请号：CN202310989816.0

申请日：2023-08-08

Applicant: 南京邮电大学

Inventor： 许建 ,  马海龙 ,  张锋 ,  李泽 ,  刘锦维 ,  陈蕾

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/77 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明所述方法及系统，涉及人体姿态估计技术领域包括构建高频信息增强的降采样模块；构建基于高频信息增强的低分辨率人体姿态估计模型；利用标注的人体姿态数据集训练所述基于高频信息增强的低分辨率人体姿态估计模型，得到训练完成的模型；利用所述训练完成的低分辨率人体姿态估计模型进行人体姿态估计预测，得到人体姿态估计预测结果。本发明提供的基于高频信息增强的低分辨率人体姿态估计方法通过增强低分辨率图像中的高频信息，有效地提高了姿态估计的准确性和稳定性，本发明在准确性、稳定性和克服高频信息丢失方面都取得更加良好的效果。

公开(公告)号：CN116524062A

公开(公告)日：2023-08-01

申请号：CN202310807926.0

申请日：2023-07-04

Applicant: 南京邮电大学

Inventor： 张锋 ,  刘锦维 ,  李泽 ,  马海龙 ,  陈蕾

IPC: G06T11/00 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455 ,  G06V10/80 ,  G06T5/00

Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于扩散模型的2D人体姿态估计方法，其采集人体姿态图像及标注信息，并利用前向扩散公式在标注的关节点坐标中加入噪声破坏其中的坐标信息，生成中间噪声样本；然后构建2D人体姿态估计扩散模型；随后模型依据输入图像与生成的噪声样本预测出目标关节点的热图，再将预测结果与标注间的均方误差作为损失函数优化模型参数；最后将模型预测关节点热图送入反向扩散公式，完成高斯噪声的迭代去噪，获得去噪后的精确预测。本发明预测精度高，有效提高了2D人体姿态估计方法在实际应用中泛化性和鲁棒性，并使模型可以通过改变推理采样步数，取得检测效率与精度上的平衡，以适应不同应用场景的需求。

公开(公告)号：CN116524546B

公开(公告)日：2023-09-01

申请号：CN202310807515.1

申请日：2023-07-04

Applicant: 南京邮电大学

Inventor： 李泽 ,  张锋 ,  马海龙 ,  刘锦维 ,  陈蕾

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774

Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于异构图像协同增强的低分辨率人体姿态估计方法，其收集由高、低分辨率人体图像组成异构图像对来构建训练数据集；构建基于跨分辨率异构图像协同增强的低分辨率人体姿态估计网络模型；训练阶段，利用跨分辨率异构图像对训练所述网络模型，得到训练好的模型；测试阶段，使用训练数据集收集过程中得到的高分辨率人体特征库为待检测图像匹配最相关的高分辨率图像，一起输入训练好的网络模型，获得人体姿态估计结果。与传统方法相比，本发明提出的网络模型能够利用异构的高分辨率人体图像中更丰富、更清晰的信息来引导网络生成高质量的低分辨率图像特征，从而提高低分辨率场景下的人体姿态估计准确性。

公开(公告)号：CN116524546A

公开(公告)日：2023-08-01

申请号：CN202310807515.1

申请日：2023-07-04

Applicant: 南京邮电大学

Inventor： 李泽 ,  张锋 ,  马海龙 ,  刘锦维 ,  陈蕾

IPC: G06V40/10 ,  G06V10/80 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774

Abstract: 本发明属于人体姿态估计技术领域，公开了一种基于异构图像协同增强的低分辨率人体姿态估计方法，其收集由高、低分辨率人体图像组成异构图像对来构建训练数据集；构建基于跨分辨率异构图像协同增强的低分辨率人体姿态估计网络模型；训练阶段，利用跨分辨率异构图像对训练所述网络模型，得到训练好的模型；测试阶段，使用训练数据集收集过程中得到的高分辨率人体特征库为待检测图像匹配最相关的高分辨率图像，一起输入训练好的网络模型，获得人体姿态估计结果。与传统方法相比，本发明提出的网络模型能够利用异构的高分辨率人体图像中更丰富、更清晰的信息来引导网络生成高质量的低分辨率图像特征，从而提高低分辨率场景下的人体姿态估计准确性。