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！

龙图腾网获悉华侨大学申请的专利基于时空信息的遮挡场景二维姿态估计的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：CN119625846B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510169107.7，技术领域涉及：G06V40/20；该发明授权基于时空信息的遮挡场景二维姿态估计的方法及系统是由陈佳尤;张维纬;周亮太;林明都;钟欢龙设计研发完成，并于2025-02-17向国家知识产权局提交的专利申请。

本基于时空信息的遮挡场景二维姿态估计的方法及系统在说明书摘要公布了：本发明公开了基于时空信息的遮挡场景二维姿态估计的方法及系统，涉及计算机视觉领域，方法包括：S1，获取包括多个人体信息的视频；S2，构建二维姿态估计模型；所述模型包括输入模块、可见性预测与屏蔽模块、关键点推理模块、时空依赖性模块和回归层；S3，将获取的视频输入二维姿态估计模型进行训练，获得训练好的二维姿态估计模型；S4，使用获得训练好的二维姿态估计模型进行基于时空信息的遮挡场景二维姿态估计。本发明构建出的二维姿态估计模型，能准确推理被遮挡的关键点，并提升姿态估计的平滑性和准确性，降低高频噪声的干扰，保证模型准确性的同时降低计算复杂度，以满足实时性需求。

本发明授权基于时空信息的遮挡场景二维姿态估计的方法及系统在权利要求书中公布了：1.一种基于时空信息的遮挡场景二维姿态估计的方法，其特征在于，包括如下步骤：S1，获取包括多个人体信息的视频；S2，构建二维姿态估计模型；所述模型包括输入模块、可见性预测与屏蔽模块、关键点推理模块、时空依赖性模块和回归层；所述输入模块，识别并裁剪输入的视频中的个体，得到各个体的个体视频片段，使用卷积骨干网络依次提取各个体视频片段的每一帧的关键点特征，逐个输出至可见性预测与屏蔽模块；所述可见性预测与屏蔽模块，对输入的关键点特征进行可见性预测，得到掩码特征，并输出至关键点推理模块；所述关键点推理模块，基于输入的掩码特征，补全被遮挡的关键点，获得增强的关键点特征，并输出至时空依赖性模块；所述时空依赖性模块，对输入的增强的关键点特征进行逐帧处理，提取当前帧的每个关键点的时间依赖更新特征及每个关键点之间的空间依赖更新特征，并分别融合每个关键点的时间依赖更新特征和空间依赖更新特征获得增强的时空特征，逐帧进行输出；所述回归层，基于逐帧处理增强的时空特征进行二维姿态估计，得到当前个体的二维姿态估计序列；逐个个体处理得到所有个体的二维姿态估计序列；S3，将获取的视频输入二维姿态估计模型进行训练，获得训练好的二维姿态估计模型；S4，使用获得训练好的二维姿态估计模型进行遮挡场景二维姿态估计；所述关键点推理模块采用Transformer网络；所述Transformer网络由4个相同的Transformer块按顺序堆叠而成；每个所述Transformer块包括一个多头自关注模块和一个多层感知模块；所述Transformer网络的处理步骤具体如下：首先，将掩码特征输入多头自关注模块；多头自关注模块的自注意头表示为： 其中，表示自注意头；softmax·表示softmax函数；WQ、WK和WV分别表示线性投影层；d表示每个掩码特征的维度；表示的转置；多头自注意模块组合了h个自注意头，表示为： 其中，表示多头自关注；表示第m个自注意头；WP表示线性投影层；其次，进行残差连接与层归一化，公式如下： 其中，表示残差连接与层归一化的输出结果；LayerNorm表示层归一化操作；然后，输入多层感知模块，表示为： 其中，表示对输入向量进行前馈神经网络操作的结果；W1和W2分别表示线性变换矩阵；b1和b2分别表示偏置项；max0,·表示ReLU激活函数；最后，进行残差连接与层归一化，得到增强的关键点特征，公式如下： 其中，表示增强的关键点特征。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城东城华北路269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”。