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！

申请/专利权人：黑龙江大学

摘要：一种基于FAN_DWFeatureAggregationNetworkbasedonDynamicWeights模型的人体姿态估计方法，涉及基于人体姿态估计框架技术领域。本发明是为了解决现有人体姿态估计方法还存在训练难度高以及参数量和运算量多的问题。本发明包括：设计了DC模块，通过动态权重与串行连接的结构运用SCConv和ECA，以增强模型的特征表示能力；FAN_DW模型包括：特征提取器、VisionTransformer结构；特征提取器由SCConv模块、ECA模块、DC模块组成，使得FAN_DW模型在提升特征提取能力的同时，还能在增加模块的情况下不增加整体模型的计算量和参数量；VisionTransformer由TransformerBlock和SAA（Self‑adaptiveandaggregation）模块构成能够自适应地学习特征，并将这些特征融合在一起。最终，融合后的特征被输入到MLP中，以更好地预测人体关键点。本发明用于实现人体姿态估计。

主权项：1.一种基于FAN_DW人体姿态估计方法，其特征在于所述方法具体过程为：获取待检测目标的图像，将待检测目标的图像输入到训练好的FAN_DW模型中，获得人体姿态估计结果；所述训练好的FAN_DW模型，通过以下方式获得：步骤一、利用原始图像和原始图像对应的标注图像组成训练集；步骤二、利用训练集对FAN_DW模型进行训练，获得训练好的FAN_DW模型；所述FAN_DW模型包括：特征提取器、VisionTransformer结构；所述特征提取器包括基于高分辨率网络、DC模块；所述特征提取器，基于高分辨率网络，引入了SCConv模块和ECA模块；所述DC模块能够动态调整SCConv模块权重和ECA模块权重，并重新规划了它们之间结构连接方式；所述VisionTransformer结构包括：TransformerBlock和SAA模块；所述SAA模块能够自适应的学习特征，并将这些特征融合在一起。最终，得到输出特征，用于进行热图回归具体为：首先，输入图像经过高分辨率网络，获取底层特征；随后，这些底层特征进入DC模块，以增强模型的特征学习能力。接下来，在DC模块提取的特征中加入关键点token，并一起被放到VisionTransformer结构中，利用SAA模块捕获关键点之间的约束关系；最后，输出热图回归结果。

全文数据：

权利要求：

百度查询： 黑龙江大学 一种基于FAN_DW模型的人体姿态估计方法