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！

龙图腾网获悉西安理工大学申请的专利基于多层次双分支交叉注意力的三维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：CN116798124B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310797332.6，技术领域涉及：G06V40/20；该发明授权基于多层次双分支交叉注意力的三维人体姿态估计方法是由宋霄罡;崔永新;黑新宏设计研发完成，并于2023-06-30向国家知识产权局提交的专利申请。

本基于多层次双分支交叉注意力的三维人体姿态估计方法在说明书摘要公布了：本发明公开了基于多层次双分支交叉注意力的三维人体姿态估计方法，对待检测视频作为输入，利用训练好的三维人体姿态估计模型预测二维图像中人体关节点在三维中的坐标，采用本发明，通过实验结果表明，预测结果比主流方法更贴近真实预测结果，丰富了人工智能和计算机视觉的方法体系，为三维人体姿态估计领域提升预测精度提供了一种选择。

本发明授权基于多层次双分支交叉注意力的三维人体姿态估计方法在权利要求书中公布了：1.基于多层次双分支交叉注意力的三维人体姿态估计方法，其特征在于，具体为采用时空Transformer将二维人体姿态序列提升为三维人体姿态序列； 具体按以下步骤实施： 步骤1，通过二维姿态检测器捕捉视频帧中的二维人体关节点，并对关节点进行预处理，馈送到不同层次的管道中； 步骤2，采用空间编码器对步骤1不同层次的人体关节点进行空间相关性的学习； 步骤3，采用关节分区时间编码器对步骤2中不同层次的关节点特征信息按照骨骼分区策略进行时间相关性的学习； 步骤4，将步骤3中各个层次具有时空相关性的关节点特征信息进行特征重组； 步骤5，采用双分支交叉注意力加强步骤4中不同层次间输出的相关性； 步骤6，采用线性变换层将步骤5的高维度输出投影为三维坐标； 步骤7，构建损失函数，使用MPJPE对模型进行端到端的训练； 所述步骤3中的时间相关性的学习具体按以下步骤实施： 步骤3.1，根据关节分区策略将人体关节点划分为五个分区，分别为左臂、右臂、脊椎、左腿和右腿； 步骤3.2，构建时间位置嵌入矩阵，对步骤2处理后的每层关节点进行时间信息的嵌入： 式中，代表第层的输出，其中，代表第层经过时间嵌入后得到的特征结果； 步骤3.3，构建关节分区时间编码器模块，将经过步骤3.2时间信息嵌入后的关节特征信息分为五个部分，其中，代表不同分组，D是嵌入维度，然后将输入到关节分区模块中，完成对各个分区时间相关性的建模，最后将五个分区的特征输出融合为原始形状： 式中，代表数据的拼接，TTE代表TemporalTransformerEncoder； 步骤3.4，设计关节分区多层感知机，用来对经过步骤3.3处理后的各个分区的特征进行合并，并将合并的特征按照关节点数量施加非线性因素： 式中，BP-MLP代表关节分区多层感知机，代表第层经过关节分区时间编码器的结果； 所述步骤4中的特征重组具体按以下步骤实施： 步骤4.1，将步骤3.4中经过关节分区时间编码器的输出结果通过多头自注意力进行关系建模，然后融合为； 步骤4.2，将步骤4.1融合的特征向量均匀地拆分为原始形状，以便于后续步骤的操作； 所述步骤5中的双分支交叉注意力加强层次间相关性具体按以下步骤实施： 步骤5.1，通过步骤4得到各个层次经过特征重组的向量，以每两个层次的输出作为一组，分为共三组； 步骤5.2，构建双分支交叉注意力模块，以每组的两个特征向量作为双分支的输入，强化两个特征向量间的相关性； 步骤5.3，将步骤5.2得到的双分支特征向量与每一组的首个向量进行残差连接，得到一个分组的输出： 式中，和是步骤5.2中计算得到的双分支特征向量，表示正则化； 步骤5.4，重复步骤5.2和步骤5.3的过程，强化另外两组特征向量之间的相关性。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。