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基于深度学习的多人关键点识别方法、设备及存储介质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：CN116912883B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310894247.1，技术领域涉及：G06V40/10；该发明授权基于深度学习的多人关键点识别方法、设备及存储介质是由王泽聪;金小刚设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于深度学习的多人关键点识别方法、设备及存储介质在说明书摘要公布了：本发明公开了一种基于深度学习的多人关键点识别方法、设备及存储介质。该方法包括构建基于深度学习的多人关键点识别模型，构建损失函数，基于损失函数对基于深度学习的多人关键点识别模型进行参数优化，利用优化的多人关键点识别模型对待检测图像进行多人关键点识别等过程。本发明能够在保证图像中全局和局部特征在充分利用的同时保持人体、姿态和关键点三者之间更为精细的约束能力，以此实现端到端的人体姿态估计。

本发明授权基于深度学习的多人关键点识别方法、设备及存储介质在权利要求书中公布了：1.一种基于深度学习的多人关键点识别方法，其特征在于，包括： 1构建基于深度学习的多人关键点识别模型，包括步骤： S1，对于输入图像，利用特征提取网络提取3个不同尺度位置的特征，然后通过1×1的卷积层进行通道数对齐后，对特征分别进行展平拼接，得到图像特征标记L；根据位置编码函数生成与图像特征标记L对应的位置编码特征；将图像特征标记L与对应的位置编码特征进行叠加，得到联合特征作为Transformer编码器的输入； S2，Transformer编码器为6层可变形的DETR编码器顺序级联，每层可变形的DETR编码器都包含一个多尺度可变形注意力模块和一个前馈的神经网络，联合特征经过Transformer编码器细化、合并后得到对应的编码标记特征和相应实体分数其中L为联合特征的长度，D为编码维度； S3，采用2层级联的人体目标检测解码器；按照实体分数S对编码标记特征F进行由高到低排序，选取前T个标记特征作为人体目标检测解码器的输入其中T为选取的标记特征数目，D代表粗糙筛选候选框中目标人体框的数目；人体目标检测解码器输出按实体分数由高到低排列的前M个图像标记特征及其相应的位置编码特征M小于T； S4，采用2层级联的人体-姿态解码器；初始化一组可以学习的关键点位置矩阵其中K为关键点的个数，将Ym扩展到M维后分别与相加获得图像标记特征和作为人体-姿态解码器的输入；人体-姿态解码器输出M个人体目标和关键点的图像标记特征、位置编码特征以及相应的实体分数，其中表示第i个人的K+2个人体目标和关键点的位置坐标； S5，采用2层级联的人体-关键点解码器；将M个人体目标和关键点的图像标记特征、位置编码特征中按实体分数由高到低排列并选取前N个作为人体-关键点解码器的输入，输出最终的人体目标和关键点的位置序列； 2构建损失函数，包括人体分类损失Lcls、关键点回归损失Loks、人体真值框回归损失Lhum、人体真值框L1损失Lh_reg和关键点L1损失Lk_reg； 3基于损失函数对基于深度学习的多人关键点识别模型进行参数优化； 4利用优化的多人关键点识别模型对待检测图像进行多人关键点识别。

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”。

以上内容由龙图腾AI智能生成。