欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020115971901
申请人: 湖南大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于图卷积网络的三维人体姿态估计方法,其特征在于,包括以下步骤:S1:获取Human3.6M数据集的原始视频数据,将原始视频数据拆分为图片帧,提取每帧图片中的人体姿态数据,形成人体骨骼点二维和三维姿态数据;

S2:将二维姿态定义为图 其中v是K个节点的集合,ε是边;

S3:基于图卷积网络,构建全局上下文‑语义图卷积网络模型,作为三维人体姿态估计*

模型f;

S4:Human3.6M数据集中的S1,S5,S6,S7,S8作为训练集,将处理好人体姿态数据输入全局上下文‑语义图卷积网络中,使用预测值 和地面真实关节位置yi的均方误差:作为损失函数进行训练,剩余的S8,S11则作为测试集进行测试,得到最后的三维人体姿态预测结果。

2.根据权利要求1所述的基于图卷积网络的三维人体姿态估计方法,其特征在于,所述*

S3中f的公式构成包括以下步骤:A1:给定来自图像的二维姿态:输入A2:估值出三维姿态:输出

A3:得出最终公式:

3.根据权利要求2所述的基于图卷积网络的三维人体姿态估计方法,其特征在于,所述A3公式中:xi是在已知的摄像机参数下获得的二维地面真实关节位置,或者是使用二维联合检测器获得的估计值。

4.根据权利要求1所述的基于图卷积网络的三维人体姿态估计方法,其特征在于,所述S3中全局上下文‑语义图卷积网络是由语义图卷积层和全局上下文层交错构建而成。

5.根据权利要求1所述的基于图卷积网络的三维人体姿态估计方法,其特征在于,所述S3中基于图卷积网络构建全局上下文‑语义图卷积网络模型的生成方法包括以下步骤:B1:构建语义图卷积层,学习图的边中隐含的噪声节点的语义关系;

将二维姿态定义为图 其中v是K个节点的集合,ε是边,给定第l个卷积之前的节点i的表示形式, 通过以下操作获得后续卷积的输出:(l+1) (l)

X =σ(wX ρi(M⊙A))其中, 是参数矩阵,用于转换节点表示形式;ρi是非线性Softmax,在节点i的K×K

所有选择中对输入矩阵进行归一化; 是加权矩阵;⊙是元素操作;A∈[0,1] 是的邻接矩阵,用作仅计算节点i在图中的相邻节点 的权重掩码,将掩码矩阵应用到每个通道c,等式2扩展为:其中||表示逐个通道级联,而 是矩阵W的第c行;

B2:构建全局上下文层,捕获节点之间的全局和远程关系;

应用全局上下文卷积来捕获节点之间的全局和远程关系,将该操作定义为:其中Wk,Wv1和Wv2表示线性变换矩阵, 是经过高斯归一化的全局注意力权重。