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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于动态图卷积网络的稀疏视角多人体联合重建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：CN120259572B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510748470.4，技术领域涉及：G06T17/00；该发明授权一种基于动态图卷积网络的稀疏视角多人体联合重建方法是由凡金龙;赵柯翔;胡冰玉;杨宇翔;赵巨峰;何志伟设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种基于动态图卷积网络的稀疏视角多人体联合重建方法在说明书摘要公布了：本发明公开了一种基于动态图卷积网络的稀疏视角多人体联合重建方法，该方法首先利用RGB摄像头实现室内RGB视频数据的采集。其次基于RGB视频数据，采用人体参数模型估计算法估计人体3D姿态，并利用补全算法进行生成和预测，完成人体模型的重建。最后通过动作识别算法实现多人体动作的实时分类、定位及跟踪，基于重建的人体模型和人体3D姿态，分析家庭成员的行为模式和互动意图。本发明实现更为灵活的人体动态表示，克服了初始姿态估计可能不准确的问题，显著提升了多人体重建的精度和稳定性。

本发明授权一种基于动态图卷积网络的稀疏视角多人体联合重建方法在权利要求书中公布了：1.一种基于动态图卷积网络的稀疏视角多人体联合重建方法，其特征在于，包括以下步骤： S1、利用RGB摄像头实现室内RGB视频数据的采集； S2、基于RGB视频数据，采用人体参数模型估计算法估计人体3D姿态，并利用补全算法进行生成和预测，完成人体模型的重建；具体实现过程如下： 步骤2.1、采用人体参数模型估计算法估计人体3D姿态，利用3D高斯特征球表示方法，基于RGB视频数据，对室内多个交互人体进行三维动态重建及姿态估计，并在重建过程中对初始姿态数据进行同步优化；具体实现如下： 步骤2.1.1、基于RGB视频数据，获取每个视角的输入图像，使用深度卷积神经网络提取人体2D关键点信息和输入图像人体分割信息； 步骤2.1.2、基于检测到2D关键点信息，使用SMPL-X参数拟合算法估计人体的3D姿态参数和形状参数； 步骤2.1.3、将估计出的形状参数转换为人体面片网格mesh表示，其中人体mesh表示的每个顶点关联一个3D高斯特征球，将人体mesh表示转换为3D高斯特征球表示，其中每个高斯特征球包含一个可学习的动态几何特征、一个可学习的动态外观特征和一个可学习的语义特征，所述几何特征通过一个几何属性解码器预测其几何属性，所述外观特征通过一个外观属性解码器预测其颜色属性，所述语义特征通过一个语义解码器预测其人体ID属性； 步骤2.1.4、上述几何属性、外观属性通过可微分高斯溅射渲染技术渲染为目标视角下的2D图像表示；上述人体ID属性通过可微分高斯溅射渲染技术渲染为输入图像人体分割信息；将渲染得到的2D图像表示和人体分割信息分别与输入图像和估计得到的输入图像人体分割信息分别计算渲染误差； 步骤2.1.5、依据上述计算得到的渲染误差，提出高斯特征球自适应致密化算法，以误差大小为引导自适应地致密化对应区域的高斯特征球，所增加的高斯特征球使用与其最相近的高斯特征球特征进行初始化，并关联至与其最相近的人体mesh表示中的顶点； 步骤2.1.6、通过步骤2.1.4、步骤2.1.5在多个视角下的联合迭代优化，学习高斯球中的几何特征、颜色特征和语义特征及其分别对应的属性解码器，并同时优化人体3D姿态参数，修正初始人体姿态估计中的不准确性； 步骤2.2、基于三维动态重建及姿态估计的结果，利用基于动态图卷积网络的补全算法，在高斯特征球的连接关系图上直接进行特征融合，对稀疏视角下的缺失数据进行生成和预测，实现完整人体模型的构建； S3、基于重建的人体模型，通过动作识别算法实现多人体动作的实时分类、定位及跟踪；并基于重建的人体模型和人体3D姿态，分析家庭成员的行为模式和互动意图。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。