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！

龙图腾网获悉浙江工业大学申请的专利一种基于姿态引导、风格和形状特征约束的人体图像生成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：CN113160035B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202110413125.7，技术领域涉及：G06T3/04；该发明授权一种基于姿态引导、风格和形状特征约束的人体图像生成方法是由卢书芳;卢富男;朱翔;寿旭峰;陶相艳;高飞设计研发完成，并于2021-04-16向国家知识产权局提交的专利申请。

本一种基于姿态引导、风格和形状特征约束的人体图像生成方法在说明书摘要公布了：本发明公开了一种基于姿态引导、风格和形状特征约束的人体图像生成方法，包括：1采集获取源人体图像Is和目标人体图像It，计算其姿态图像Ps、Pt和人体语义分割图像Ss、St；2构建生成器G和判别器DI、DP；3将Is和Ss输入风格编码器，Pt输入姿态编码器，St输入形状编码器；把得到的风格特征、姿态特征和形状特征输入解码器中，获得虚拟目标人体图像If；4把Is，It和Is，If作为判别器DI的输入，把Pt，It和Pt，If作为判别器DP的输入，分别计算对抗损失，并基于If和It计算图像重建损失、感知损失和语义损失，优化G；5迭代训练，得到生成器G，进行人体图像生成的应用。利用本发明，可以按语义区域提取风格特征，控制人体图像的姿态和形状。

本发明授权一种基于姿态引导、风格和形状特征约束的人体图像生成方法在权利要求书中公布了：1.一种基于姿态引导、风格和形状特征约束的人体图像生成方法，其特征在于，包括以下步骤： 1采集获取源人体图像Is和目标人体图像It，根据源人体图像和目标人体图像分别获得其姿态图像Ps、Pt和人体语义分割图像Ss、St；姿态图像的关键点个数N＝18，人体语义分割图像的类别个数C＝8； 2构建生成器G和判别器DI、DP，其中，生成器G包括风格编码器Encoderstyle、姿态编码器Encoderpose、形状编码器Encodershape和解码器Decoder；判别器DI用于判别生成的虚拟目标图像If与源人体图像Os之间的纹理相似性；判别器DP用于判别生成的虚拟目标图像If与目标姿态Pt的一致性；具体步骤为： 2-1构建风格编码器Encoderstyle Encoderstyle包含5个3×3卷积层和已经预训练的VGG网络，前4个卷积层提取出的特征图大小分别对应VGG中{1_1,2_1,3_1,4_1}层的特征图大小；依次组合卷积层提取的特征和VGG网络提取的特征，再输入下一个卷积层；最后一个卷积层，把特征从1024维映射到64维； 使用时，首先使用语义分割图像分割出8个独立的图像接着把8个独立的语义图像分别输入Encoderstyle中输出对应的风格特征，最后将它们依次级联，得到最终的512维的风格特征； 2-2构建姿态编码器Encoderpose和形状编码器Encodershape Encoderpose和Encodershape的网络结构相同，都包括4个3×3卷积层，激活层为ReLU层，提取512维的姿态特征和形状特征； 2-3构建解码器Decoder 以姿态特征作为输入，使用风格特征和形状特征计算归一化参数；先经过4个ResBlock，保持通道不变；接着经过3组上采样层和ResBlock层；除了最后一层激活层为tanh，其余激活层皆为ReLU层； 2-4构建判别器DI、DP 使用PatchGAN作为判别器，包括4个3×3卷积层和3个残差块，判别器的Dropout设置为0.5； 3将步骤1中得到的源人体图像Is和源人体语义分割图像Ss输入风格编码器Encoderstyle，目标姿态图像Pt输入姿态编码器Encoderpose，目标人体语义分割图像St输入形状编码器Encodershape； 把依次提取得到的风格特征、姿态特征和形状特征输入解码器Decoder中，获得虚拟目标人体图像If； 4把Is,It和Is,If分别作为判别器DI的输入，把Pt,It和Pt,If分别作为判别器DP的输入，分别计算对抗损失Ladv，并基于If和It计算图像重建损失Lreconstruction、感知损失Lperceptual和语义损失LCX，优化G；对抗损失函数的定义为： 式中，E表示期望； 图像重建损失Lreconstruction是虚拟目标图像和真实目标图像之间的L1损失，定义为： Lreconstruction＝||GIs,Ss,Pt,St-It||1 图像感知损失定义为： 其中，表示格拉姆矩阵，表示用预训练的VGG19网络提取的It的第l层特征图，l＝relu{3_2,4_2}； 语义损失LCX定义为： 式中，表示用预训练的VGG19网络提取的If的第l层特征图； 5循环步骤3和步骤4，达到预设的迭代次数后，获得训练好的生成器G，并用于现实场景中虚拟目标图像的生成。

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工业大学，其通讯地址为：310014 浙江省杭州市下城区潮王路18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”。