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！

龙图腾网获悉深圳市龙华区龙为小学;哈尔滨工业大学(深圳)申请的专利基于多尺度特征融合网络的二维手部姿态估计方法及系统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：CN115909496B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202211503735.7，技术领域涉及：G06V40/20；该发明授权基于多尺度特征融合网络的二维手部姿态估计方法及系统是由吴锦涛;吴晓军;钟健平设计研发完成，并于2022-11-29向国家知识产权局提交的专利申请。

本基于多尺度特征融合网络的二维手部姿态估计方法及系统在说明书摘要公布了：本发明公开了一种基于多尺度特征融合网络的二维手部姿态估计方法及系统。方法包括：收集原始手部单张彩色图像组成数据集并进行预处理；对训练集进行数据扩充处理；构建基于二维高分辨率热力图的多尺度特征融合网络，用于进行二维手部姿态估计；训练所述多尺度特征融合网络；以及将待估计手部单张彩色图像送入训练完成后的所述多尺度特征融合网络中获得预测的手部关节点的二维手部姿态。本发明方法采用二维高分辨率热力图提供了更准确且丰富的邻近区域手部关节点之间的相对位置信息，并将不同尺度的手部姿态特征加以融合，能够有效地提高对二维手部关节点的检测准确度，提升目前二维手部姿态的估计效果和性能水平。

本发明授权基于多尺度特征融合网络的二维手部姿态估计方法及系统在权利要求书中公布了：1.一种基于多尺度特征融合网络的二维手部姿态估计方法，其特征在于，所述方法包括以下步骤： 收集原始手部单张彩色图像组成数据集，对所述数据集中手部关节点真实的三维坐标标注进行预处理； 将预处理后的所述数据集中手部关节点真实的三维坐标标注按设定的比例划分为训练集、验证集和测试集，并对所述训练集进行数据扩充处理； 构建基于二维高分辨率热力图的多尺度特征融合网络，所述多尺度特征融合网络包括特征提取器、第一多尺度特征融合模块和第二多尺度特征融合模块，所述特征提取器将输入的手部单张彩色图像进行特征提取后得到特征信号并输入所述第一多尺度特征融合模块，所述第一多尺度特征融合模块将所述特征信号进行不同尺度特征采样、融合处理后得到第一高分辨率热力图并输入所述第二多尺度特征融合模块，所述第二多尺度特征融合模块对所述第一高分辨率热力图进行不同尺度特征采样、融合处理后得到第二高分辨率热力图，将所述第二高分辨率热力图进行卷积处理后得到最终的二维手部姿态； 训练所述多尺度特征融合网络，将数据扩充处理后的所述训练集分批送入所述多尺度特征融合网络，训练过程中，所述第一多尺度特征融合模块将得到的所述第一高分辨率热力图与人工生成的手部关节点真实热力图进行损失计算，所述第二多尺度特征融合模块获取的第二高分辨率热力图与人工生成的手部关节点真实热力图进行损失计算，根据双重损失计算结果反向传播优化所述多尺度特征融合网络参数； 将待估计手部单张彩色图像送入训练完成后的所述多尺度特征融合网络中，获得所述多尺度特征融合网络预测的手部关节点的二维手部姿态； 其中，所述第一多尺度特征融合模块将输入的128×128×256的高通道数特征信号在进行下采样前分两路进行语义信息提取，其中一路经过残差模块提取所述高通道数特征信号的顶层特征；另一路经过四次最大池化操作和残差模块获得不同尺度空间的特征Fk,k∈1,2,3,4，在特征图达到最低分辨率8×8后，开始经过四次残差模块提取特征，再利用四次最邻近上采样，与所述经过残差模块提取的顶层特征进行融合，最终输出128×128×256的所述第一高分辨率热力图； 所述第二多尺度特征融合模块对输入的128×128×256的所述第一高分辨率热力图重复所述第一多尺度特征融合模块的不同尺度特征采样、融合处理后得到128×128×256的所述第二高分辨率热力图，将所述第二高分辨率热力图经过两层1×1卷积缩小通道数至21，生成最终的二维手部姿态。

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深圳市龙华区龙为小学;哈尔滨工业大学(深圳)，其通讯地址为：518000 广东省深圳市龙华区龙华街道东环二路与熙和路交汇处东南侧；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。