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！

龙图腾网获悉西安电子科技大学申请的专利一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质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：CN119007240B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202411005990.8，技术领域涉及：G06V40/10；该发明授权一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质是由刘龙;李浩生;张梦璇;张文博;常雅淇;姬红兵;谢家强;罗清泉;方榉炫;刘希龙设计研发完成，并于2024-07-25向国家知识产权局提交的专利申请。

本一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质在说明书摘要公布了：一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质，方法包括：使用2D姿态检测器对输入图像或视频进行检测，获取图像或视频中人体的2D关节点坐标；对2D关节点坐标执行统一的标准化处理；构建图邻接矩阵用于表示图结构模型；将经标准化处理的2D关节点坐标作为图卷积神经网络的初始输入特征，为图卷积神经网络提供初始的2D关节点信息，采用逐次超松弛迭代方法，结合构建的图邻接矩阵，对初始输入特征进行更新，经过SOR循环迭代更新后，图卷积神经网络最终输出预测的3D人体姿态，包括人体各个关节的3D坐标；系统、设备及介质用于实现该方法；本发明提高网络的计算效率，降低过度拟合的风险，取得更好的鲁棒性。

本发明授权一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质在权利要求书中公布了：1.一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法，其特征在于，包括以下步骤： 步骤1，使用2D姿态检测器对输入图像或视频进行检测，获取图像或视频中人体的2D关节点坐标； 步骤2，对步骤1检测到的2D关节点坐标执行统一的标准化处理； 步骤3，将预定义的人体骨架结构建模为图结构模型，在图结构模型中，人体各关节表示为图中的节点，连接这些节点的边以模拟人体骨骼的连接方式，构建图邻接矩阵用于表示图结构模型； 步骤4，将步骤2中经标准化处理的2D关节点坐标作为图卷积神经网络的初始输入特征，为图卷积神经网络提供初始的2D关节点信息，采用逐次超松弛SuccessiveOverRelaxation，SOR迭代方法，结合步骤3构建的图邻接矩阵，对初始输入特征进行更新，经过SOR循环迭代更新后，图卷积神经网络最终输出预测的3D人体姿态，包括人体各个关节的3D坐标； 所述步骤4中图卷积神经网络采用逐次超松弛图卷积神经网络SORGCN，逐次超松弛图卷积神经网络SORGCN包含输入层、四个残差块和输出层；输入层由一个图卷积层SORGConv和GELU激活函数组成；每个残差块由两个图卷积层SORGConv组成，其中，第一个图卷积层SORGConv之后进行层归一化，第二个图卷积层SORGConv之后是GELU激活函数；输出层包含一个非局部层和图卷积层SORGConv，逐次超松弛图卷积神经网络的最后一个图卷积层SORGConv生成3D人体姿势；残差块之间实现跳跃连接；非局部层用于捕获人体关节点之间的全局或长距离依赖关系；单个图卷积层SORGConv内实现SOR迭代更新方法，对图中每个节点的特征表示进行更新，具体实施步骤为： 步骤4.1，特征转换：将步骤2中经过标准化处理的2D关节点坐标作为初始输入特征与图卷积层SORGConv中的可学习权重矩阵相乘，得到新的特征表示H，同时为特征表示H分配可学习调制向量，并将该调制向量与特征表示H相乘以实现对特征表示H的调制操作； 步骤4.2，邻接矩阵权重调制：将步骤3中的图邻接矩阵与同等维度的可学习权重矩阵相加，并进行对称化调节，使图邻接矩阵为正定矩阵，实现权重调制过程，得到权重调制过后的图邻接矩阵 步骤4.3，图邻接矩阵三角分解：对步骤4.2权重调制后的图邻接矩阵进行上下三角分解，即D为对角矩阵，L为下三角矩阵，U为上三角矩阵； 步骤4.4，SOR迭代算法传播更新：利用步骤4.3中三角分解后的图邻接矩阵对步骤4.1中得到的特征表示H进行SOR迭代算法传播更新，在SOR迭代算法中，给定第l层的特征表示经过层传播规则的下一层的特征表示表示为： Bω＝D-ωL-11-ωD+ωU5 Fω＝ωD-ωL-1X6 式中，Bω为SOR迭代矩阵；Fω为残差部分；D,L,U为邻接矩阵的分解形式；X在输入层中的图卷积层SORGCN中就是输入的特征表示，在残差块中是第一个图卷积层SORGCN输入的特征表示，在输出层的图卷积层SORGCN中为第四个残差块输出的特征表示； 步骤4.5，输出更新结果：对步骤4.4中更新后的特征表示增加偏置项，输出迭代更新结果，即人体关节的特征表示；若当前图卷积不为输出层的图卷积层SORGConv，则作为SOR迭代算法中下一图卷积层SORGConv的输入；若当前图卷积层为输出层的图卷积层SORGConv，则输出的特征表示即为人体3D关节点。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。