公开(公告)号：CN117727025A

公开(公告)日：2024-03-19

申请号：CN202311730683.1

申请日：2023-12-15

Applicant: 重庆大学

Inventor： 仲元红 ,  杨光夏 ,  杨维阳 ,  钟代笛 ,  黄智勇 ,  韩术 ,  赵宇 ,  罗玲

IPC: G06V20/64 ,  G06V40/10 ,  G06V10/52 ,  G06V10/82 ,  G06N3/0455

Abstract: 本发明公开了单目3D人体姿态估计的帧填充多尺度时间特征提取方法，涉及3D人体姿态提取技术领域。本发明包括以下步骤：S1：问题背景：解释为什么需要单目3D人体姿态估计，以及为什么要使用帧填充和多尺度时间特征提取方法；S2：单目3D人体姿态估计：说明单目3D人体姿态估计的定义和目标；S3：帧填充：详细介绍帧填充的概念和原理，解释在这个特定问题中。本发明通过问题背景：解释为什么需要单目3D人体姿态估计，以及为什么要使用帧填充和多尺度时间特征提取方法，通过对问题背景进行细致的阐述，可以使研究更具可理解性，有助于读者深入了解为什么这个问题是重要的，以及你的研究如何填补现有研究中的空白。

公开(公告)号：CN118212689A

公开(公告)日：2024-06-18

申请号：CN202410306519.6

申请日：2024-03-18

Applicant: 重庆大学

Inventor： 仲元红 ,  杨光夏 ,  钟代笛 ,  黄智勇 ,  韩术 ,  罗玲 ,  赵宇

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/80 ,  G06V10/766 ,  G06V10/44 ,  G06V10/42 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 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。