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！

龙图腾网获悉浙江理工大学申请的专利基于Transformer时空特征增强型的人体姿态估计方法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：CN116403239B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310289794.7，技术领域涉及：G06V40/10；该发明授权基于Transformer时空特征增强型的人体姿态估计方法是由李少华;张海翔;马汉杰;冯杰设计研发完成，并于2023-03-23向国家知识产权局提交的专利申请。

本基于Transformer时空特征增强型的人体姿态估计方法在说明书摘要公布了：本发明公开了一种基于Transformer时空特征增强型的人体姿态估计方法，该方法设计的网络CSIT采用CNN+Transformer架构，考虑到视觉信息由纹理特征和空间特征组成，因此本发明对CNN提取出的特征图从通道和空间两个维度展开生成ChannelEmbeddings和SpatialEmbeddings，同时考虑到网络还要学习关节点之间的依赖性，于是再加上KeypointsEmbeddings，将三个序列拼接在一起作为Transformer的输入，在网络的结尾本发明同时采用了性能更为先进且更加符合Transformer特点的一维向量表示法来预测关键点，从而更加提升了网络的预测性能。

本发明授权基于Transformer时空特征增强型的人体姿态估计方法在权利要求书中公布了：1.一种基于Transformer时空特征增强型的人体姿态估计方法，包括如下步骤： 1获取大量含有人物的图片，并对图片中人物的关节点位置进行标注； 2构建CSIT网络模型框架，其包括骨干网络、通道特征编码器、空间特征编码器、Transformer模块以及一维向量回归模块，其中： 所述骨干网络用于对输入的图片进行特征提取； 所述通道特征编码器用于将提取得到的特征图从通道维度展开并进行序列长度的压缩，输出ChannelEmbeddings； 所述空间特征编码器用于将提取得到的特征图从空间维度展开并进行序列长度的压缩，输出SpatialEmbeddings； ChannelEmbeddings和SpatialEmbeddings经过位置编码后连同可学习的KeypointsEmbeddings沿通道维度拼接后输入至Transformer模块，KeypointsEmbeddings通过随机初始化生成，其通道数为关节点数量M； 所述Transformer模块用于对输入进行编码，从而输出M个通道的特征向量； 所述一维向量回归模块用于对这M个通道的特征向量进行解码，从而输出各关节点位置坐标的预测结果； 3利用步骤1中获取的图片及其标注信息对上述模型框架进行训练； 4将包含人物的待估计图片输入至训练好的模型中，即可预测出该图片中人物各关节点的位置坐标。

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浙江理工大学，其通讯地址为：310018 浙江省杭州市经济技术开发区白杨街道2号大街928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。