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！

龙图腾网获悉南昌大学申请的专利遮挡感知顶点推理与语义增强的三维姿态估计方法及系统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：CN121686575B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202610202191.2，技术领域涉及：G06V40/20；该发明授权遮挡感知顶点推理与语义增强的三维姿态估计方法及系统是由闵卫东;刘梦雪;韩清设计研发完成，并于2026-02-12向国家知识产权局提交的专利申请。

本遮挡感知顶点推理与语义增强的三维姿态估计方法及系统在说明书摘要公布了：本申请属于计算机视觉技术领域，公开了遮挡感知顶点推理与语义增强的三维姿态估计方法及系统，该方法包括：接收包含被遮挡关节的二维姿态序列，利用遮挡感知顶点推理网络对被遮挡关节进行位置补全，并基于关节运动轨迹与初始得分，通过置信度得分生成器为各关节生成自适应的置信度得分，得到补全的二维姿态序列及对应的置信度得分；利用语义特征增强网络对从高斯分布中采样的三维姿态假设进行去噪优化，该网络在训练阶段通过Transformer编码器和类Transformer的卷积网络并行提取关节语义特征，并利用语义特征匹配模块对齐两种特征以增强Transformer编码器的语义表征能力；在测试阶段仅使用训练好的Transformer编码器，以迭代方式优化三维姿态假设，最终输出精确的完整三维人体姿态。

本发明授权遮挡感知顶点推理与语义增强的三维姿态估计方法及系统在权利要求书中公布了：1.一种遮挡感知顶点推理与语义增强的三维姿态估计方法，其特征在于，包括以下步骤： 获取存在被遮挡关节的初始二维姿态序列； 通过遮挡感知顶点推理网络处理所述初始二维姿态序列，基于时序上下文信息对所述初始二维姿态序列中的被遮挡关节进行位置推理，生成初步补全的二维姿态序列，具体包括：遍历所述初始二维姿态序列中的每一帧以及每一帧中的每一个关节；判断当前关节是否为被遮挡关节；若所述当前关节为被遮挡关节，则执行以下子步骤：沿时间维度以当前帧为中心，向过去帧和未来帧双向搜索与所述被遮挡关节对应的最近的未被遮挡关节；根据搜索结果，采用以下规则之一确定所述被遮挡关节的位置坐标以对其进行补全：规则一，若在距离所述当前帧等距的过去帧和未来帧中均搜索到对应的未被遮挡关节，则将被遮挡关节的位置坐标确定为这两个未被遮挡关节坐标的中点；规则二，若仅在过去帧中搜索到对应的未被遮挡关节，则将被遮挡关节的位置坐标确定为所述过去帧中对应关节的位置坐标；规则三，若仅在未来帧中搜索到对应的未被遮挡关节，则将被遮挡关节的位置坐标确定为所述未来帧中对应关节的位置坐标；将所有经过补全的关节与原始的未被遮挡关节组合，形成所述初步补全的二维姿态序列； 为所述初步补全的二维姿态序列中的每个关节分配初始置信度得分，并将所述初步补全的二维姿态序列与所述初始置信度得分输入至置信度得分生成器，生成反映各关节真实质量的最终置信度得分，以得到包含各关节坐标和最终置信度得分的完整二维关节输入； 基于所述完整二维关节输入，通过语义特征增强网络对带噪声的三维姿态假设进行去噪优化，所述语义特征增强网络在训练阶段包含一个Transformer编码器分支和一个卷积网络编码器分支，其中所述卷积网络编码器分支为一个类Transformer的卷积网络Conv2DNet，所述Conv2DNet由多个Conv2D块级联构成；在将特征输入至所述Conv2DNet前，首先将时序特征沿时间维度划分为G个组，重塑为类图像的二维特征图；每个所述Conv2D块的结构由以下公式定义：；；其中，表示特征输入，表示中间变量，表示批量标准化，表示多层感知机，表示多尺度卷积注意力机制，所述多尺度卷积注意力机制的核心组件为分组双卷积GDC和双标准化DN； 通过两个分支并行提取第一关节语义特征和第二关节语义特征，并利用语义特征匹配机制计算所述第一关节语义特征与所述第二关节语义特征之间的语义对齐损失，以监督并增强所述Transformer编码器的语义特征表征能力； 利用训练完成的所述Transformer编码器，对采样得到的多个三维姿态假设进行迭代去噪处理，输出最终的完整三维人体姿态序列。

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昌大学，其通讯地址为：330000 江西省南昌市红谷滩区学府大道999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”。

以上内容由龙图腾AI智能生成。