買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120259572B 。

龍圖騰網通過國家知識產權局官網在2025-08-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510748470.4，技術領域涉及：G06T17/00；該發明授權一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法是由凡金龍;趙柯翔;胡冰玉;楊宇翔;趙巨峰;何志偉設計研發完成，并于2025-06-06向國家知識產權局提交的專利申請。

本一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法在說明書摘要公布了：本發明公開了一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法，該方法首先利用RGB攝像頭實現室內RGB視頻數據的采集。其次基于RGB視頻數據，采用人體參數模型估計算法估計人體3D姿態，并利用補全算法進行生成和預測，完成人體模型的重建。最后通過動作識別算法實現多人體動作的實時分類、定位及跟蹤，基于重建的人體模型和人體3D姿態，分析家庭成員的行為模式和互動意圖。本發明實現更為靈活的人體動態表示，克服了初始姿態估計可能不準確的問題，顯著提升了多人體重建的精度和穩定性。

本發明授權一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法在權利要求書中公布了：1.一種基于動態圖卷積網絡的稀疏視角多人體聯合重建方法，其特征在于，包括以下步驟： S1、利用RGB攝像頭實現室內RGB視頻數據的采集； S2、基于RGB視頻數據，采用人體參數模型估計算法估計人體3D姿態，并利用補全算法進行生成和預測，完成人體模型的重建；具體實現過程如下： 步驟2.1、采用人體參數模型估計算法估計人體3D姿態，利用3D高斯特征球表示方法，基于RGB視頻數據，對室內多個交互人體進行三維動態重建及姿態估計，并在重建過程中對初始姿態數據進行同步優化；具體實現如下： 步驟2.1.1、基于RGB視頻數據，獲取每個視角的輸入圖像，使用深度卷積神經網絡提取人體2D關鍵點信息和輸入圖像人體分割信息； 步驟2.1.2、基于檢測到2D關鍵點信息，使用SMPL-X參數擬合算法估計人體的3D姿態參數和形狀參數； 步驟2.1.3、將估計出的形狀參數轉換為人體面片網格mesh表示，其中人體mesh表示的每個頂點關聯一個3D高斯特征球，將人體mesh表示轉換為3D高斯特征球表示，其中每個高斯特征球包含一個可學習的動態幾何特征、一個可學習的動態外觀特征和一個可學習的語義特征，所述幾何特征通過一個幾何屬性解碼器預測其幾何屬性，所述外觀特征通過一個外觀屬性解碼器預測其顏色屬性，所述語義特征通過一個語義解碼器預測其人體ID屬性； 步驟2.1.4、上述幾何屬性、外觀屬性通過可微分高斯濺射渲染技術渲染為目標視角下的2D圖像表示；上述人體ID屬性通過可微分高斯濺射渲染技術渲染為輸入圖像人體分割信息；將渲染得到的2D圖像表示和人體分割信息分別與輸入圖像和估計得到的輸入圖像人體分割信息分別計算渲染誤差； 步驟2.1.5、依據上述計算得到的渲染誤差，提出高斯特征球自適應致密化算法，以誤差大小為引導自適應地致密化對應區域的高斯特征球，所增加的高斯特征球使用與其最相近的高斯特征球特征進行初始化，并關聯至與其最相近的人體mesh表示中的頂點； 步驟2.1.6、通過步驟2.1.4、步驟2.1.5在多個視角下的聯合迭代優化，學習高斯球中的幾何特征、顏色特征和語義特征及其分別對應的屬性解碼器，并同時優化人體3D姿態參數，修正初始人體姿態估計中的不準確性； 步驟2.2、基于三維動態重建及姿態估計的結果，利用基于動態圖卷積網絡的補全算法，在高斯特征球的連接關系圖上直接進行特征融合，對稀疏視角下的缺失數據進行生成和預測，實現完整人體模型的構建； S3、基于重建的人體模型，通過動作識別算法實現多人體動作的實時分類、定位及跟蹤；并基于重建的人體模型和人體3D姿態，分析家庭成員的行為模式和互動意圖。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市錢塘區白楊街道2號大街1158號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。