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！

龙图腾网获悉中国地质大学(武汉)申请的专利动物三维姿态估计方法、装置、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：CN120108036B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510181372.7，技术领域涉及：G06V40/20；该发明授权动物三维姿态估计方法、装置、设备及存储介质是由张晶晶;樊子阳设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本动物三维姿态估计方法、装置、设备及存储介质在说明书摘要公布了：本发明涉及人工智能领域，公开了一种动物三维姿态估计方法、装置、设备及存储介质，该方法通过基于搭建的多视图拍摄平台收集实验动物视频数据，根据所述实验动物视频数据，构建训练数据集与预测数据集，对所述训练数据集进行帧筛选处理；构建基于关键点误差的动物三维姿态估计模型，将帧筛选后的训练数据集与预测数据集组成时间块输入所述动物三维姿态估计模型进行训练，利用针对不同关键点误差设计的框架对训练时的损失进行权重调整，利用训练好的模型对实验动物进行关键点识别和姿态估计，通过在训练阶段根据提前计算的关键点的标注误差设置不同的关键点训练权重进行训练，避免因关键点误差导致结果误差，优化了多视图体积三维姿态估计性能。

本发明授权动物三维姿态估计方法、装置、设备及存储介质在权利要求书中公布了：1.一种动物三维姿态估计方法，其特征在于，所述动物三维姿态估计方法包括： 基于搭建的多视图拍摄平台收集实验动物视频数据； 根据所述实验动物视频数据，构建训练数据集与预测数据集； 对所述训练数据集进行帧筛选处理； 构建基于关键点误差的动物三维姿态估计模型，所述动物三维姿态估计模型包括多视图体积三维姿态估计网络和针对不同关键点误差设计的框架； 将帧筛选后的训练数据集与预测数据集组成时间块输入所述动物三维姿态估计模型进行训练，利用针对不同关键点误差设计的框架对训练时的损失进行权重调整； 利用训练好的模型对实验动物进行关键点识别和姿态估计； 其中，所述基于搭建的多视图拍摄平台收集实验动物视频数据，包括： 通过设置所述多视图拍摄平台的摄像机同步采集收集实验动物视频数据； 其中，所述多视图体积三维姿态估计网络是3D卷积神经网络，所述针对不同关键点误差设计的框架是根据L1损失和时间平滑度约束构建； 所述构建基于关键点误差的动物三维姿态估计模型，包括： 采用投影几何构建度量3D特征空间； 通过所述3D卷积神经网络使用跨摄像头的共享特征和学习的动物姿势的空间统计数据推断地标位置； 所述L1损失用于在标记帧上的进行标准监督姿势回归损失，并对关键点坐标之间的时间平滑度约束建立时间约束表达式； 其中，所述L1损失用于在标记帧上的进行标准监督姿势回归损失，并对关键点坐标之间的时间平滑度约束建立时间约束表达式，包括： 所述L1损失用于在标记帧上的进行标准监督姿势回归损失，监督回归损失定义如下： ； 式中，表示监督学习的损失函数，用于衡量预测值与实际值之间的差异，表示样本数量，为第个样本的实际3D关键点坐标，为第个样本的预测3D关键点坐标； 针对、、的关键点坐标之间的时间平滑度约束建立时间约束表达式： ； 式中，表示为时间约束，、、分别表示在时间、、上关键点的三维坐标，是3D关键点的数量； 通过调整和两个损失的权重进行训练，在训练过程中两个损失函数组成一个总损失函数：； 其中，表示总损失；表示损失的权重；表示损失的权重； 对于关键点的位置误差，动态调整权重为： ，； 其中，表示关键点的总损失，β是平衡因子，β0。

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中国地质大学(武汉)，其通讯地址为：430000 湖北省武汉市洪山区鲁磨路388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。