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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于局部特征与全局表征耦合的2D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：CN115661858B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202211249602.1，技术领域涉及：G06V40/10；该发明授权一种基于局部特征与全局表征耦合的2D人体姿态估计方法是由陈乔松;吴济良设计研发完成，并于2022-10-12向国家知识产权局提交的专利申请。

本一种基于局部特征与全局表征耦合的2D人体姿态估计方法在说明书摘要公布了：本发明请求保护一种基于局部特征与全局表征耦合的2D人体姿态估计方法，包括如下步骤：获取数据集，选取并划分人体姿态估计任务所需的训练集和验证集；获取人体的具体位置，对样本图像进行分割，同时对分割后的图像进行数据增强；将处理后的数据输入基于Pytorch开源深度学习框架设计的卷积神经网络中；输出的热度图能表示人体关节点的位置；计算网络模型的输出热度图与对应标注热度图的损失，训练并优化检测模型；步骤五，利用优化后的模型参数，检测真实场景图像中人体关节点的位置，得到相应的人体骨骼框架。本发明基于耦合卷积神经网络提取的局部特征和Transformer捕捉的全局表征来提升网络的特征提取能力，实现了端到端的人体姿态估计方法。

本发明授权一种基于局部特征与全局表征耦合的2D人体姿态估计方法在权利要求书中公布了：1.一种基于局部特征与全局表征耦合的2D人体姿态估计方法，其特征在于，包括以下步骤：1、获取数据集，选取并划分人体姿态估计任务所需的训练集和验证集；2、获取人体关节点的具体位置，分别对训练集图像和验证集图像中的样本图像进行分割，同时对分割后的图像进行数据增强；3、将步骤2处理后的数据输入基于Pytorch开源深度学习框架设计的卷积神经网络中；所述基于Pytorch开源深度学习框架设计的卷积神经网络是一个串行结构，图片先经过基础特征网络提取特征后送入局部-全局特征耦合模块进行特征耦合，上一个特征耦合模块的输出是下一个特征耦合模块的输入，每一个特征耦合模块的输出还会送入头部网络参与中间监督计算，网络最后输出的是热度图，每一个热度图代表一个关节点；4、计算网络模型的输出热度图与对应标注热度图的损失，对应标注热度图为原图的关节点位置转换而来，训练并优化检测模型；5、利用优化后的检测模型，检测真实场景图像中人体关节点的位置，得到相应的人体骨骼框架。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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”。