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！

龙图腾网获悉南京南自信息技术有限公司申请的专利一种基于关键点回归的单人姿态估计系统及其工作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：CN114913603B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202210574017.2，技术领域涉及：G06V40/20；该发明授权一种基于关键点回归的单人姿态估计系统及其工作方法是由周超;姜浏;景文林;王龙;王鑫靓设计研发完成，并于2022-05-25向国家知识产权局提交的专利申请。

本一种基于关键点回归的单人姿态估计系统及其工作方法在说明书摘要公布了：本发明属于计算机人工智能视觉应用领域，具体公开了一种基于关键点回归的单人姿态估计系统，包括图像预处理模块、关键点回归模块、特征提取模块和姿态估计模块；所述图像预处理模块、关键点回归模块、特征提取模块、姿态估计模块依次连接。本发明的一种基于关键点回归的单人姿态估计系统的有益效果在于：通过预训练的卷积神经网络关键点回归模型，预测出图像中人体部位的关键点位置，进而提取有效特征、识别人的行为和姿态，可用于安防领域中保证从业人员的行为安全。

本发明授权一种基于关键点回归的单人姿态估计系统及其工作方法在权利要求书中公布了：1.一种基于关键点回归的单人姿态估计系统，其特征在于：包括图像预处理模块100、关键点回归模块200、特征提取模块300和姿态估计模块400；所述图像预处理模块100、关键点回归模块200、特征提取模块300、姿态估计模块400依次连接； 基于关键点回归的单人姿态估计系统的工作方法，包括以下步骤， 步骤1图像预处理模块100获取待识别的人体姿态图像，并对图像进行预处理； 步骤2关键点回归模块200将预处理图像数据输入至预先训练的卷积神经网络关键点回归模型，预测该图像中的人体各个部位的关键点； 步骤3特征提取模块300根据人体上预测出的关键点，计算关键点之间的距离构建人体姿态特征； 步骤4姿态估计模块400利用神经网络分类器对构建出的人体姿态特征进行分类，识别出人体的姿态； 所述卷积神经网络关键点回归模型为端到端深度神经网络模型，是一个在VGG16网络基础上，替换了输出层的网络模型，具体包括，VGG16网络具有13个卷积层、5个最大池化层、3个全连接层和1个输出层，输入图像经过2个卷积层，1个最大池化层，再经过2个卷积层、1个最大池化层，再经过3个卷积层、1个最大池化层，再重复2次经过3个卷积层、1个最大池化层，在经过3个全连接层，最后经过1个输出层；所述卷积层的卷积过程是使用一个卷积核，在每层数值矩阵上不断按步长扫描下去，每次扫到的数值会和卷积核中对应位置的数进行相乘，然后相加求和，得到的值将会生成一个新的数值矩阵；所述最大池化层的操作相当于降维操作，经过卷积操作后提取到的特征信息，相邻区域会有相似特征信息，这是可以相互替代的，如果全部保留这些特征信息会存在信息冗余，通过池化层会不断地减小数据的空间大小，参数的数量和计算量会有相应的下降，这在一定程度上控制了过拟合； 所述图像预处理模块100，对采集到的单人图像进行数据预处理，将图片缩放至512*512的统一尺寸；所述关键点回归模块200，利用卷积神经网络回归模型对经过预处理的图像进行人体关键点回归，得到人体各个部位上的11个关键点位置；所述特征提取模块300，根据人体各个部位的关键点位置，计算11个关键点之间的欧式距离，构建21维度的人体姿态特征；所述姿态估计模块400，利用浅层神经网络分类对提取到的人体关键点特征进行分类，实现单人图像三种姿态的识别；将获取的人体姿态图像进行缩放，将图像的分辨率调整到512*512的统一大小，包括将图像进行扩边缩放为预设的宽度和高度，扩边缩放将保持原图的比例，将比例不足的部分用黑色填充，将缩放后的图片进行归一化处理；所述人体姿态分类识别，将11个关键点所计算出的距离构建出21维的列向量，送入浅层神经网络进行人体姿态的识别；所述人体姿态分类包括站立姿态、坐姿和倒地姿态；其中，利用浅层神经网络分类器对构建出的人体姿态特征进行分类，识别出人体的姿态种类包括站立姿态、坐姿和倒地姿态；浅层神经网络分类器的输入是1*21维的列向量，经过分类器中多层的非线性映射和组合，输出结果是1*3的向量，该向量代表输入向量的属于站立姿态、坐姿和倒地姿态的置信值，其中置信值最高所属的类别就是最终的姿态类别。

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京南自信息技术有限公司，其通讯地址为：210012 江苏省南京市雨花台区软件大道190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。