【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种运动姿态的预测方法、装置、设备及计算机可读存储介质。
技术介绍
1、目标个体的姿态在与外界交互的过程中起着重要作用，对目标个体的运动姿态的准确预测，在自动驾驶、人际交互、计算机动画和机器人技术等众多领域都具有十分广阔的应用前景。
2、目前可以使用循环神经网络、卷积神经网络、生成对抗网络、图卷积神经网络等多种深度学习网络模型来实现目标个体运动姿态的预测。这些方法的输入数据为单一的运动视频或者从运动视频中提取出的目标个体的关键点序列，且运动视频中包含了与运动预测不相关的噪声信息，目标个体的关键点序列存在缺失、重复、不准确的数据，在复杂应用场景下的预测结果不尽人意，存在目标个体的运动姿态的预测准确性较低的问题。
技术实现思路
1、有鉴于此，本申请提供一种运动姿态的预测方法、装置、设备及计算机可读存储介质，能够提高目标个体的运动姿态的预测准确性。
2、为解决上述问题，本申请提供的技术方案如下：
3、第一方面，本申请提供一种运动姿态...
【技术保护点】
1.一种运动姿态的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的运动姿态的预测方法，其特征在于，所述利用预先构建的多模态特征提取及融合网络对所述待处理运动视频数据进行特征提取和融合，得到多模态特征，包括：
3.根据权利要求1所述的运动姿态的预测方法，其特征在于，得到多模态特征之后，所述方法还包括：
4.根据权利要求3所述的运动姿态的预测方法，其特征在于，所述将所述多模态特征输入至预先构建的运动姿态预测网络，得到所述预先构建的运动姿态预测网络输出的运动预测结果，包括：
5.一种运动姿态的预测装置，其特征在于
【技术特征摘要】
1.一种运动姿态的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的运动姿态的预测方法，其特征在于，所述利用预先构建的多模态特征提取及融合网络对所述待处理运动视频数据进行特征提取和融合，得到多模态特征，包括：
3.根据权利要求1所述的运动姿态的预测方法，其特征在于，得到多模态特征之后，所述方法还包括：
4.根据权利要求3所述的运动姿态的预测方法，其特征在于，所述将所述多模态特征输入至预先构建的运动姿态预测网络，得到所述预先构建的运动姿态预测网络输出的运动预测结果，包括：
5.一种运动姿态的预测装置，其特征在于，所述装置包括：
6.根据权利要求5所述的运动姿态的预测装置，其特征在于，所述...
【专利技术属性】
技术研发人员：邓博文，王晓茹，曲昭伟，刘明时，马晨阳，余龙龙，卞德昕，李梅芳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。