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！

龙图腾网获悉福州大学申请的专利基于全域特征协同和图结构驱动的自适应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：CN119169655B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411183532.3，技术领域涉及：G06V40/10；该发明授权基于全域特征协同和图结构驱动的自适应姿态估计方法是由柯逍;石晓楠设计研发完成，并于2024-08-27向国家知识产权局提交的专利申请。

本基于全域特征协同和图结构驱动的自适应姿态估计方法在说明书摘要公布了：本发明涉及一种基于全域特征协同和图结构驱动的自适应姿态估计方法，包括以下步骤：步骤S1：采用ResNet主干网络进行初步特征提取，得到包含人体全局形态和关节位置细节信息的多尺度特征图；步骤S2：将多尺度特征图输入全域自适应特征融合模块进行自适应特征融合，整合全局和局部信息，捕捉人体姿态的整体结构和细节；步骤S3：将步骤S2得到的自适应融合特征输入动态视觉特征编码器，通过可变形多头注意力机制，优化关键点识别和定位；步骤S4：采用图推理技术分析关键点之间的相互依赖关系，进一步精细化关键点位置预测。该方法有利于提高复杂场景下姿态估计的准确率。

本发明授权基于全域特征协同和图结构驱动的自适应姿态估计方法在权利要求书中公布了：1.一种基于全域特征协同和图结构驱动的自适应姿态估计方法，其特征在于，包括以下步骤： 步骤S1：采用ResNet主干网络进行初步特征提取，得到包含人体全局形态和关节位置细节信息的多尺度特征图； 步骤S2：将多尺度特征图输入全域自适应特征融合模块进行自适应特征融合，整合全局和局部信息，捕捉人体姿态的整体结构和细节； 步骤S3：将步骤S2得到的自适应融合特征输入动态视觉特征编码器，通过可变形多头注意力机制，优化关键点识别和定位； 步骤S4：采用图推理技术分析关键点之间的相互依赖关系，进一步精细化关键点位置预测； 所述步骤S2具体包括以下步骤： 步骤S21：对于步骤S1提取的多尺度特征图，对其每一层特征Xi计算全局注意力权重和局部注意力权重其中i代表层级，取C3、C4、C5；所述全局注意力权重通过对Xi执行全局平均池化GAP并通过一个全连接层FC得到；所述局部注意力权重通过在Xi上应用3×3的小卷积核得到； 步骤S22：通过得到的全局注意力权重以及局部注意力权重对多尺度特征图的每一层特征进行加权，并对全局和局部加权特征进行融合，形成加强特征 其中，σ·是激活函数，用于将权重规范化； 步骤S23：为了综合不同尺度的信息，将C3、C4、C5层的加强特征在通道维度通过Concat·函数进行拼接，然后通过卷积进一步优化拼接后的特征，以适应后续的任务需求： 其中，Xadaptive表示最终得到的自适应融合特征，它融合了全局上下文和局部细节的综合信息。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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。