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！

龙图腾网获悉南京邮电大学申请的专利基于图像分频特征增强的极低光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：CN119540995B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411607999.6，技术领域涉及：G06V40/10；该发明授权基于图像分频特征增强的极低光人体姿态估计方法是由王世龙;张锋;白红阳;尹文龙;陈蕾设计研发完成，并于2024-11-12向国家知识产权局提交的专利申请。

本基于图像分频特征增强的极低光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技术领域，公开了一种基于图像分频特征增强的极低光人体姿态估计方法，该方法包括如下步骤：收集极低光人体图像构建训练数据集；构建基于图像分频特征增强的极低光人体姿态估计模型；训练阶段，利用频率感知的图像增强模块进行训练数据的增强，随后输入到网络主干进行训练，得到训练好的模型；测试阶段，将测试数据集输入训练好的网络模型，获得人体姿态估计结果。本发明提出的网络模型能够利用频率感知的图像增强模块来引导网络生成更丰富、更清晰的图像特征，实现图像增强和人体姿态估计的协同优化,从而提高极低光人体姿态估计准确性。

本发明授权基于图像分频特征增强的极低光人体姿态估计方法在权利要求书中公布了：1.一种基于图像分频特征增强的极低光人体姿态估计方法，其特征在于：所述极低光人体姿态估计方法具体包括以下步骤： 步骤1、收集极低光人体图像构建训练数据集和测试数据集； 步骤2、构建基于图像分频特征增强的极低光人体姿态估计网络模型，所述极低光人体姿态估计网络模型包括频率感知的图像增强模块和骨干网络，利用频率感知的图像增强模块对步骤1构建的训练数据集进行增强，随后将增强后的数据输入到骨干网络进行训练，得到训练好的极低光人体姿态估计网络模型； 其中，所述频率感知的图像增强模块包括拉普拉斯分解层、纹理调制模块、结构增强模块和空间对齐重建层，频率感知的图像增强模块用于解耦极低光图像的高频特征分量和低频特征分量，分别针对低频特征分量中的全局结构信息和高频特征分量的纹理边缘信息进行增强，通过空间对齐重建确保高频特征分量、低频特征分量的有效融合和结构一致性，得到增强后的极低光图像，骨干网络用于提取增强后的极低光图像的多尺度特征，预测出最终的人体姿态估计； 步骤3、将测试数据集输入步骤2得到的训练好的网络模型，获得人体姿态估计结果，其中，所述结构增强模块包括基于能量压缩的通道频域调制和基于参数加权的空间频域调制，在步骤3利用频率感知的图像增强模块进行训练数据增强时，所述结构增强模块执行如下步骤： 步骤2.3.1、将输入的低频特征分量LFN通过3D注意力机制编码，通过优化能量函数来重新加权输入的低频特征分量LFN，对于低频特征分量LFN处理后的输入的特征图F∈RC×H×W，按照通道计算出均值和方差然后通过最小化公式中的能量函数，计算各像素点的能量值： 其中，λ为超参数，eij表示目标像素点tij的能量值，i∈{0,1,…,H-1},j∈{0,1,…,W-1}，像素点的权重 步骤2.3.2、重新将素点的权重调整为权重 其中，表示各通道的权重值求和，g·表示激活函数； 步骤2.3.3、权重通过离散余弦变换DCT进一步转化到频域得到频谱图fuv： fc＝zigzagfuv 其中，fuv表示离散余弦变换后的频谱图f位于u,v位置的数值，u∈{0,1,…,H-1},v∈{0,1,…,W-1}，i，j为指代位置，fc为频域向量； 步骤2.3.4、采用zig-zag的压缩方式将频谱图fuv进一步压缩为紧凑的频域向量fc∈RC×D，并与可学习滤波器Filter∈RC×H×W进行元素级乘法操作来提高表示能力，表达式如下： fc1＝fc·FCRFilter 其中，RC×D由Resize操作将滤波器参数由RC×H×W转换而来，Resize操作包括reshape操作R·和线性层FC·，DH×W,D是由H×W经过zig-zag压缩后的维度，通过线性层压缩获得通道权重fc2∈RC，并与特征图F加权融合，得到通道频域调制增强后的特征F′： F′＝FCfc1×F 其中，F′∈RC×H×W，FC·表示线性层，×表示沿通道相乘操作； 步骤2.3.5、使用离散余弦变换DCT操作将输入的特征图F′∈RC×H×W转化为频域特征图f∈RC×H×W，利用可学习滤波器来捕获频带之间的重要性关系，间接在图像不同空间位置之间进行交互，得到频域信息f*： f*＝f·Filter 其中，Filter∈RC×H×W表示可学习滤波器的参数并由网络学习而来； 步骤2.3.6、将频域信息f*逆转换为空域特征F″ij： 其中F″ij表示逆离散余弦变换IDCT后的某一通道特征图位于i,j位置的数值即空域特征。

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南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区文苑路9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”。

以上内容由龙图腾AI智能生成。