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！

龙图腾网获悉浙江大学申请的专利一种基于不确定性损失函数的3D人体动作预测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：CN116311508B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202310184332.9，技术领域涉及：G06V40/20；该发明授权一种基于不确定性损失函数的3D人体动作预测方法是由王朝;王志昊;张宁豫;周渝林;李英明设计研发完成，并于2023-03-01向国家知识产权局提交的专利申请。

本一种基于不确定性损失函数的3D人体动作预测方法在说明书摘要公布了：本发明公开了一种基于不确定性损失函数的3D人体动作预测方法。本发明以注意力机制为基础建模空间信息、以卷积神经网络为基础建模时间信息、以时间通道上的卷积网络为基础对特征图解码生成预测序列。同时本发明提出了一种新的损失函数形式，能有效考虑到生成序列中的噪声和依赖关系。本发明可有效提升了3D人体动作预测的精度。

本发明授权一种基于不确定性损失函数的3D人体动作预测方法在权利要求书中公布了：1.一种基于不确定性损失函数的3D人体动作预测方法，其特征在于，包括： 将观测的动作序列输入经过训练的3D人体动作预测模型中，得到预测的动作序列；所述动作序列由连续的多帧人体关节点构成； 所述3D人体动作预测模型采用编码器-解码器结构；所述编码器由多层编码层级联而成，且相邻两层编码层之间加入残差连接；每一层编码层由一层空间信息提取层和一层时间信息提取层组成，首先由空间信息提取层对当前编码层输入逐帧计算注意力图，并将得到的注意力图相加后进行图卷积，从而提取出空间信息，然后再由时间信息提取层采用一维卷积神经网络从空间信息中进一步提取时间信息，将当前编码层输入经过1×1卷积后与提取的时间信息相加并作为当前编码层的最终输出；所述解码器由多层卷积层和一层全连接层级联而成，其以编码器输出的高维空间特征图为输入，依次由多个卷积层在时间通道上做卷积将时间维度变换至与预测动作序列帧数一致，再由全连接层将高维特征映射至三维空间，从而输出每一个预测时刻的人体关节点预测帧中各关节点的三维坐标； 所述3D人体动作预测模型训练采用的总损失函数由平衡损失函数和突出损失函数加权而成；所述平衡损失函数中为各预测帧分配噪声因子作为可学习权重，以平衡帧间噪声差异；所述突出损失函数中为第一帧预测帧设置高于其他预测帧的权重，以提高第一帧预测帧对整体预测性能的重要性； 所述3D人体动作预测模型训练采用的总损失函数L形式如下： L＝λLa+1-λLs 式中：λ为权重；La为平衡损失函数，Ls为突出损失函数，两者的计算式为： 其中：σt表示第t帧预测帧对应的噪声因子，为训练中的可学习参数；ω表示突出因子，为数倍于Tout的超参数；xt和分别表示预测的动作序列中第t帧预测帧；Tout表示预测的动作序列帧数。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。