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！

龙图腾网获悉重庆邮电大学申请的专利一种基于关键点相关性的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：CN114299536B 。

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：202111530948.4，技术领域涉及：G06V40/10；该发明授权一种基于关键点相关性的人体姿态估计方法是由柳鑫驰;徐宗懿;邓欣设计研发完成，并于2021-12-15向国家知识产权局提交的专利申请。

本一种基于关键点相关性的人体姿态估计方法在说明书摘要公布了：本发明属于人体姿态估计领域，具体涉及一种基于关键点相关性的人体姿态估计方法；该方法包括：实时获取图像数据，对获取的图像数据进行预处理；将预处理好的图像数据输入到训练好的基于关键点相关性的人体姿态估计模型中，得到人体姿态估计结果；本发明通过构建基于强相关性的关键点分组，使用关系网络将强相关性关键点的关系信息融合，并构建相关性损失和相关系混淆惩罚损失，有效地增强了关键点之间的特征融合，改善了关键点之间的混淆问题，进一步提高了预测精度，估计更准确，具有良好的经济效益。

本发明授权一种基于关键点相关性的人体姿态估计方法在权利要求书中公布了：1.一种基于关键点相关性的人体姿态估计方法，其特征在于，包括：实时获取图像数据，对获取的图像数据进行预处理；将预处理好的图像数据输入到训练好的基于关键点相关性的人体姿态估计模型中，得到人体姿态估计结果； 对基于关键点相关性的人体姿态估计模型进行训练的过程包括： S1：获取原始图像数据，对原始图像数据进行预处理，得到训练数据集； S2：采用HRNet网络对训练数据集中的图像数据进行特征提取，得到特征热力图；其中，图像数据包括带有标注的人体关键点； S3：计算两个关键点之间的相关性，根据相关性对关键点进行分组，得到关键点组； S4：根据特征热力图和关键点组，采用构建好的RNMI模型对特征热力图进行关系信息融合，得到增强特征的特征热力图；采用RNMI模型对特征热力图进行关系信息融合包括： 根据特征热力图计算关键点的图像信息权重和空间信息权重； 根据图像信息权重和空间信息权重计算关键点的关系权重； 根据关系权重计算关键点的关系信息加权和； 根据特征热力图和关系信息加权和计算增强特征的特征热力图；增强特征的特征热力图表示为： 其中，表示增强特征的第n个关键点的图像特征，表示第n个关键点的图像特征，表示关键点t对关键点n的关系特征，δn表示第n个关键点的关键点组，T表示第n个关键点的关键点组中关键点的总数，fRn表示T个关键点对第n个关键点的关系信息加权和； S5：根据增强特征的特征热力图计算热力图损失，根据增强特征的特征热力图计算特征相似度损失，根据热力图损失计算自推理强相关性点混淆惩罚损失；特征相似度损失公式为： 其中，m和n分别表示当前第m个关键点和第n关键点，表示预测的关键点m与关键点n的特征相似度，表示真实标签下关键点m与关键点n的特征相似度，N表示关键点的数量； 自推理强相关性点混淆惩罚损失公式为： 其中，Lp表示总自推理强相关性点混淆惩罚损失，表示关键点n和关键点m之间的混淆惩罚损失，和分别表示第n个关键点和第m个关键点的热力图损失，LkPrdn,Gtm表示第n个关键点的预测热力图与第m个关键点的真实标签热力图的热力图损失，LkPrdm,Gtn表示第m个关键点的预测热力图与第n个关键点的真实标签热力图的热力图损失，δn表示第n个关键点的关键点组； S6：根据热力图损失、特征相似度损失和自推理强相关性点混淆惩罚损失计算基于关键点相关性的人体姿态估计模型的整体损失，当整体损失最小时，训练完成；整体损失公式为 Lrnmi＝Lk+αLs+βLp 其中，Lrnmi表示模型的整体损失，Lk表示热力图损失，α表示特征相似度损失的权重，β表示推理强相关性点混淆惩罚损失的权重，Kprd-n表示网络输出的关键点n的热图，Kgt-n表示真实标签下的关键点n的热图。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。