【技术实现步骤摘要】
本专利技术属于三维人体姿态估计，尤其涉及基于图卷积和注意力机制的三维人体姿态估计系统及方法。
技术介绍
1、3维人体姿态估计作为计算机视觉中的一个智能研究方向，已经在多个方面有着广泛应用。将人体图像的2维关节点提升到3维表示方法是该方向当前最主流的技术。该方法通过把现成的人体2维关键点检测器检测得到的2维关节坐标作为输入，经过深度神经网络的复杂映射，最终就能得到3维空间的人体关节坐标表示。
2、经过前人的工作，图卷积网络(gcn)已经在3d人体姿态估计任务中取得了不俗的成绩，与此同时，transformer在近几年也都取得了极佳的效果。transformer的模型核心——注意力机制因具有全局感受野以及理解全局上下文的能力，使得它在3d人体姿态估计任务中得到了广泛的应用。但该传统方法在3d人体姿态估计任务中均存在不足，具体如下：
3、1)使用2d到3d方法估计人体姿态，本身就是一个不适定问题。因为通过单个2d骨架回归到3d人体姿态，存有多个合理且有效的解释，此外人体姿态固有的不确定性，致使预估人体姿态的难度大大增加...
【技术保护点】
1.基于图卷积和注意力机制的三维人体姿态估计系统，由M个堆叠的基本块串行连接构成，其特征在于：
2.根据权利要求1所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，所述精炼回归关联捕获模块RR-ACM，具体如下：
3.根据权利要求2所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，所述泛化制导关联捕获模块GG-ACM，具体如下：
4.根据权利要求3所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，使用局部区域主体捕获模块LRAC对精炼回归关联捕获模块RR-ACM和泛化制导关联捕获模块GG-A...
【技术特征摘要】
1.基于图卷积和注意力机制的三维人体姿态估计系统，由m个堆叠的基本块串行连接构成，其特征在于：
2.根据权利要求1所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，所述精炼回归关联捕获模块rr-acm，具体如下：
3.根据权利要求2所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，所述泛化制导关联捕获模块gg-acm，具体如下：
4.根据权利要求3所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，使用局部区域主体捕获模块lrac对精炼回归关联捕获模块rr-acm和泛化制导关联捕获模块gg-acm中隐含的特征信息进行提取，并将其作为一个关键影响因素传递到下一个层次；公式表示如下：
5.根据权利要求1所述的基于图卷积和注意力机制的三维人体姿态估计系统，其特征在于，所述特征融合模块lcm，由残差连接的全连接感知器和一维卷积构成，对输入的初始人体关节特征信息通过全连接层，再对中间特征进行单维度的抽象，得到一个与初始人体关节特征...
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。