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！

龙图腾网恭喜广东技术师范大学申请的专利一种2D图像小目标人体姿态检测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：CN117789252B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202410059662.X，技术领域涉及：G06V40/10；该发明授权一种2D图像小目标人体姿态检测方法及系统是由詹瑾;田伟立;关兆康;陈荣军;王磊军设计研发完成，并于2024-01-15向国家知识产权局提交的专利申请。

本一种2D图像小目标人体姿态检测方法及系统在说明书摘要公布了：本发明公开了一种2D图像小目标人体姿态检测方法及系统，其中，所述方法包括：获取人体目标2D图像；对人体目标2D图像进行图像预处理；对预处理后的人体目标2D图像进行特征提取处理，获得目标特征图；将所述目标特征图输入人体姿态检测模型中，基于所述人体姿态检测模型进行小目标的人体姿态检测处理，所述人体姿态检测模型为将特征图输入至深度神经网络模型中进行训练得到的收敛模型，所述深度神经网络模型包括HRNet主干模块、动态扩张感受野模块、高效融合语义信息模块和关键点回归模块。本发明能够更好的进行更深度的特征融合，提高对小目标检测的准确率，更好地避免发生错检和漏检的问题。

本发明授权一种2D图像小目标人体姿态检测方法及系统在权利要求书中公布了：1.一种2D图像小目标人体姿态检测方法，其特征在于，所述方法包括：获取人体目标2D图像；对所述人体目标2D图像进行图像预处理，获得预处理后的人体目标2D图像；对预处理后的人体目标2D图像进行特征提取处理，获得目标特征图；将所述目标特征图输入人体姿态检测模型中，基于所述人体姿态检测模型进行小目标的人体姿态检测处理，所述人体姿态检测模型为将特征图输入至深度神经网络模型中进行训练得到的收敛模型，所述深度神经网络模型包括HRNet主干模块、动态扩张感受野模块、高效融合语义信息模块和关键点回归模块；其中，所述HRNet主干模块用于对所述特征图进行初步提取，获得四个不同分辨率的特征图，四个不同分辨率的特征图分别为第一特征图、第二特征图、第三特征图和第四特征图，并将四个不同分辨率的特征图输入至所述动态扩张感受野模块，所述动态扩张感受野模块用于对四个不同分辨率的特征图进行进一步特征提取，获得进一步特征提取后的第一特征图、第二特征图、第三特征图和第四特征图，所述高效融合语义信息模块用于对进一步特征提取后的第一特征图、第二特征图、第三特征图和第四特征图进行高效特征融合处理，获得增强特征图，所述关键点回归模块用于通过所述增强特征图进行关键点回归处理，获得人体姿态的关键点；所述动态扩张感受野模块包括级联空洞卷积组件和门控机制模块；所述级联空洞卷积组件包括一层空洞卷积层和两层卷积层，所述空洞卷积层为膨胀率为[1，2，3]，卷积核为3*3的空洞卷积层，两层卷积层的卷积核为3*3，所述门控机制模块包括全局平均池化层、两层连续的全连接层和残差结构模块；所述对四个不同分辨率的特征图进行进一步特征提取，获得进一步特征提取后的第一特征图、第二特征图、第三特征图和第四特征图，包括：基于级联空洞卷积组件中的空洞卷积层对第一特征图、第二特征图、第三特征图和第四特征图进行局部特征聚合处理，获得局部特征聚合处理后的第一特征图、第二特征图、第三特征图和第四特征图；基于级联空洞卷积组件中的第一卷积层利用BatchNorm函数和ReLU函数对局部特征聚合处理后的第一特征图、第二特征图、第三特征图和第四特征图进行特征融合，获得特征融合后的第一特征图、第二特征图、第三特征图和第四特征图；基于级联空洞卷积组件中的第二卷积层对特征融合后的第一特征图、第二特征图、第三特征图和第四特征图进行特征再融合，获得特征再融合后的第一特征图、第二特征图、第三特征图和第四特征图；基于门控机制模块的全局平均池化层对特征再融合后的第一特征图、第二特征图、第三特征图和第四特征图进行全局信息获取，获得对应的全局信息；基于门控机制模块的全连接层对特征再融合后的第一特征图、第二特征图、第三特征图和第四特征图进行特征提取，并基于sigmoid函数利用特征提取结果和全局信息计算注意力权重；基于残差结构模块利用所述注意力权重进行校准；所述对进一步特征提取后的第一特征图、第二特征图、第三特征图和第四特征图进行高效特征融合，获得增强特征图，包括：对进一步特征提取后的第一特征图利用特征增强结构进行变换处理，获得变换处理后的第一特征图；基于双线性插值方法对进一步特征提取后的第二特征图、第三特征图和第四特征图进行上采样处理，获得上采样处理后的第二特征图、第三特征图和第四特征图；基于Concat特征融合方法对变换处理后的第一特征图及上采样处理后的第二特征图、第三特征图和第四特征图进行特征图拼接处理，获得拼接特征图；对所述拼接特征图进行3*3卷积处理，获得增强特征图；所述基于Concat特征融合方法对变换处理后的第一特征图及上采样处理后的第二特征图、第三特征图和第四特征图进行特征图拼接处理，获得拼接特征图后，还包括：基于高效通道注意力机制对变换处理后的第一特征图及上采样处理后的第二特征图、第三特征图和第四特征图赋予不同特征通道的权重；所述关键点回归模块采用自适应卷积神经网络。

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广东技术师范大学，其通讯地址为：510665 广东省广州市天河区中山大道西293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”。