一种基于联邦学习的3D人体姿态估计方法技术

本申请涉及一种基于联邦学习的3D人体姿态估计方法，包括以下步骤：S1)建立联邦学习模型；S2)获取2D人体图像，并裁切；S3)构建2D主干网络；S4)以人体关节作为2D人体图像的关键点，输入至2D主干网络中，生成高维度的特征图g<subgt;θ</subgt;、中间热图f<subgt;θ</subgt;、联合热图；S5)计算各个相机在各自视角下的联合热图值，并将最大值坐标作为关键点的2D坐标；将2D坐标和相机的投影矩阵合成一个矩阵；S6)计算各参与方的置信度；S7)聚合2D坐标权重，计算出人体关键点的3D坐标；S8)连接人体关键点的3D坐标，得到3D人体姿态序列。本申请解决了现有的人体姿态估计方法鲁棒性不足，导致在实际场景中的应用受到限制的问题。

【技术实现步骤摘要】

本申请属于图像运动分析，具体涉及一种基于联邦学习的3d人体姿态估计方法。

技术介绍

1、3d人体姿态估计技术旨在从二维的图像或视频中还原出人体在三维空间中的姿态信息，这项技术在人机交互、虚拟现实、运动分析等领域能发挥关键作用，其可以为计算机提供更丰富、更准确的场景理解。

2、随着深度学习的发展，3d人体姿态估计技术也取得了显著进步，但当动作过于复杂或存在遮挡时，现有技术的鲁棒性不足，导致在实际场景中的应用受到限制。

技术实现思路

1、本申请提供了一种基于联邦学习的3d人体姿态估计方法，解决了现有技术在应用深度学习进行人体姿态估计时鲁棒性不足的问题。

2、一种基于联邦学习的3d人体姿态估计方法，包括以下步骤：

3、s1)建立联邦学习模型，所述联邦学习模型包括中央服务器和由相机构成的若干个参与方；

4、s2)获取相机在若干视角下拍摄的2d人体图像，并将2d人体图像裁切至标准尺寸；

5、s3)构建2d主干网络，所述2d主干网络依次包括一个无全连接层和池化层本文档来自技高网...

【技术保护点】

1.一种基于联邦学习的3D人体姿态估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于联邦学习的3D人体姿态估计方法，其特征在于，

3.根据权利要求2所述的一种基于联邦学习的3D人体姿态估计方法，其特征在于，

4.根据权利要求3所述的一种基于联邦学习的3D人体姿态估计方法，其特征在于，

5.根据权利要求4所述的一种基于联邦学习的3D人体姿态估计方法，其特征在于，

6.根据权利要求5所述的一种基于联邦学习的3D人体姿态估计方法，其特征在于，

【技术特征摘要】

1.一种基于联邦学习的3d人体姿态估计方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于联邦学习的3d人体姿态估计方法，其特征在于，

3.根据权利要求2所述的一种基于联邦学习的3d人体姿态估计方法，其特征在于，

<...

【专利技术属性】
技术研发人员：王成，周芳雨，龙舟，
申请(专利权)人：临沂中科睿鹤智慧科技有限公司，
类型：发明
国别省市：