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！

龙图腾网获悉吉林大学申请的专利一种基于深度学习的三维高效人体坐姿识别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：CN119600688B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202411689166.9，技术领域涉及：G06V40/20；该发明授权一种基于深度学习的三维高效人体坐姿识别方法是由周柚;曹政;吴翾;肖钰彬;李沅书;赵鹏;杜伟设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于深度学习的三维高效人体坐姿识别方法在说明书摘要公布了：本发明适用于坐姿识别技术领域，提供了一种基于深度学习的三维高效人体坐姿识别方法，包括以下步骤：录制视频数据，对视频中的图像都先使用blazepose进行3d姿态估计，提取三维关键点坐标；再将得到的关键点坐标随机抖动和镜像翻转进行数据增强，扩大数据集；构建基于点云模型的KpointNet模型；对KpointNet模型进行训练，生成训练模型；最后对训练好的模型进行测试，并应用于实践中。本发明可以从RGB图像中获取更丰富的空间信息，提高了信息维度；基于点云模型修正的KpointNet模型提高了网络模型的推理利用率，有着更好的准确率，直接对三维关键点数据进行学习，有更高效的数据利用率，本发明可以三维高效的识别人体坐姿类别，及时纠正不良坐姿，预防潜在的健康风险。

本发明授权一种基于深度学习的三维高效人体坐姿识别方法在权利要求书中公布了：1.一种基于深度学习的三维高效人体坐姿识别方法,其特征在于,包括以下步骤: 步骤A、在限定的若干个观察角度下,保持相机位置不变,分别录制保持特定坐姿的视频,整个录制期间坐姿类型维持不变,身体做适度动作变化,再对视频数据进行帧提取操作,将图像调整到统一尺寸; 步骤B、对图像数据使用blazepose模型进行3d姿态估计,收集三维关键点坐标,对关键点数据使用随机抖动、镜像翻转进行数据增强,再将数据进行归一化处理得到最终的3d关键点数据,将每个视角的数据集都划分为三个部分,即训练集、验证集和测试集; 步骤C、构建基于点云网络的KpointNet模型,用于进行坐姿识别,所述基于点云网络的KpointNet模型包括关键点特征提取模块、多尺度特征提取模块、特征融合与分类模块、几何特征学习模块,输入的关键点数据先经过关键点特征提取模块,提取每个关键点初步的高维特征,然后再通过多尺度特征提取模块提取丰富的局部特征和全局特征,最后通过特征融合与分类模块将局部特征和全局特征进行融合并汇总输出最终的分类结果; 在所述关键点特征提取模块中，输入数据经过三层一维卷积，每个关键点的特征被逐渐升维，输入信息的特征维度从3提升到128，但不改变数据的关键点数，即数据从33*3逐步变化为33*128；每一层一维卷积配合ReLu激活函数和BatchNormliazation操作；由于人体关键点数据是有序的，因此不需要使用max操作来进行数据降维克服无序性的干扰； 所述多尺度特征提取模块包括:全局特征提取模块,用于直接从初步学习后的关键点信息中提取整体信息;以及局部特征提取模块,用于根据人体部位的空间划分关系,将数据划分为6个部分,每个部分都分别提取局部特征,最后将6个局部特征进行拼接,组合成整体的局部特征向量;在所述特征融合与分类模块中,首先将全局特征向量与局部特征向量进行拼接,组合成更长的特征向量,再进行学习,从而转化为最终的分类结果; 步骤D、使用步骤B中得到的训练集和验证集对KpointNet模型进行训练,训练过程中使用监督信号,生成训练模型,所述监督信号包括坐姿任务的分类以及身体几何物理量大小；使用6个全连接网络组成几何特征学习模块来完成6组局部特征到局部任务的映射任务，每组分类任务负责学习该组关键点之间的欧氏距离或者向量信息; 步骤E、使用步骤B中得到的测试集对步骤D中生成的训练模型进行测试。

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吉林大学，其通讯地址为：130012 吉林省长春市前进大街2699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。