公开(公告)号：CN119339443A

公开(公告)日：2025-01-21

申请号：CN202411886455.8

申请日：2024-12-20

Applicant: 吉林大学

Inventor： 周柚 ,  曹政 ,  吴翾 ,  肖钰彬 ,  李沅书 ,  赵鹏 ,  杜伟

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于摄影测量学和深度学习的三维人体姿态识别方法，涉及姿态识别技术领域，包括以下步骤：收集原始视频数据，使用基于深度学习的三维姿态估计方法MediaPipe进行姿态估计，获取图像原始三维关键点数据；再使用关键点规范算法对关键点数据进行初步约束，纠正识别误差；再使用基于共线方程的多视角模拟算法进行数据增强，以获取更丰富的视角信息，扩大数据集；构建姿态识别模型KeyposeNet；对KeyposeNet进行训练和测试，选出最佳模型进行姿态识别。本发明采用上述一种基于摄影测量学和深度学习的三维人体姿态识别方法，实现了更高效和准确的人体姿态分类识别，减少了人工分类的成本，为人体姿态的识别判断提供了辅助手段，从而应用于各种场合。

公开(公告)号：CN119339443B

公开(公告)日：2025-04-04

申请号：CN202411886455.8

申请日：2024-12-20

Applicant: 吉林大学

Inventor： 周柚 ,  曹政 ,  吴翾 ,  肖钰彬 ,  李沅书 ,  赵鹏 ,  杜伟

IPC: G06V40/20 ,  G06V10/44 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于摄影测量学和深度学习的三维人体姿态识别方法，涉及姿态识别技术领域，包括以下步骤：收集原始视频数据，使用基于深度学习的三维姿态估计方法MediaPipe进行姿态估计，获取图像原始三维关键点数据；再使用关键点规范算法对关键点数据进行初步约束，纠正识别误差；再使用基于共线方程的多视角模拟算法进行数据增强，以获取更丰富的视角信息，扩大数据集；构建姿态识别模型KeyposeNet；对KeyposeNet进行训练和测试，选出最佳模型进行姿态识别。本发明采用上述一种基于摄影测量学和深度学习的三维人体姿态识别方法，实现了更高效和准确的人体姿态分类识别，减少了人工分类的成本，为人体姿态的识别判断提供了辅助手段，从而应用于各种场合。

公开(公告)号：CN119600688A

公开(公告)日：2025-03-11

申请号：CN202411689166.9

申请日：2024-11-25

Applicant: 吉林大学

Inventor： 周柚 ,  曹政 ,  吴翾 ,  肖钰彬 ,  李沅书 ,  赵鹏 ,  杜伟

IPC: G06V40/20 ,  G06V20/40 ,  G06V20/64 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明适用于坐姿识别技术领域，提供了一种基于深度学习的三维高效人体坐姿识别方法，包括以下步骤：录制视频数据，对视频中的图像都先使用blazepose进行3d姿态估计，提取三维关键点坐标；再将得到的关键点坐标随机抖动和镜像翻转进行数据增强，扩大数据集；构建基于点云模型的KpointNet模型；对KpointNet模型进行训练，生成训练模型；最后对训练好的模型进行测试，并应用于实践中。本发明可以从RGB图像中获取更丰富的空间信息，提高了信息维度；基于点云模型修正的KpointNet模型提高了网络模型的推理利用率，有着更好的准确率，直接对三维关键点数据进行学习，有更高效的数据利用率，本发明可以三维高效的识别人体坐姿类别，及时纠正不良坐姿，预防潜在的健康风险。

公开(公告)号：CN116935494B

公开(公告)日：2023-12-12

申请号：CN202311187857.4

申请日：2023-09-15

Applicant: 吉林大学

Inventor： 周柚 ,  焦树扬 ,  于昆平 ,  曹政 ,  吴翾 ,  肖钰彬 ,  王镠璞 ,  杜伟

IPC: G06V40/20 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/20 ,  G06V10/764 ,  G06V10/82 ,  G06V20/40

Abstract: 本发明适用于图像处理技术领域，提供了一种基于轻量化网络模型的多人坐姿识别方法，包括以下步骤：处理采集的视频流数据，使用OpenPose进行关键点提取，将得到的人体关键点进行单人连接并使用边界框归一化预处理，使用最小生成树算法构建人体骨架图，处理人体骨架图后，对数据集进行标注；增强处理后的图像，扩大数据集；构建基于轻量化卷积神经网络的LMSPNet模型；对LMSPNet模型进行训练，生成训练模型；对训练模型进行测试。本发明实现了对多人坐姿的自动预测和评估，通过自动预测人体关键点并生成人体骨架图，能够成功对用户的坐姿进行分类判断，帮助用户及时发现和纠正错误的坐姿，预防潜在的伤害。

公开(公告)号：CN116935494A

公开(公告)日：2023-10-24

申请号：CN202311187857.4

申请日：2023-09-15

Applicant: 吉林大学

Inventor： 周柚 ,  焦树扬 ,  于昆平 ,  曹政 ,  吴翾 ,  肖钰彬 ,  王镠璞 ,  杜伟

IPC: G06V40/20 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/20 ,  G06V10/764 ,  G06V10/82 ,  G06V20/40

Abstract: 本发明适用于图像处理技术领域，提供了一种基于轻量化网络模型的多人坐姿识别方法，包括以下步骤：处理采集的视频流数据，使用OpenPose进行关键点提取，将得到的人体关键点进行单人连接并使用边界框归一化预处理，使用最小生成树算法构建人体骨架图，处理人体骨架图后，对数据集进行标注；增强处理后的图像，扩大数据集；构建基于轻量化卷积神经网络的LMSPNet模型；对LMSPNet模型进行训练，生成训练模型；对训练模型进行测试。本发明实现了对多人坐姿的自动预测和评估，通过自动预测人体关键点并生成人体骨架图，能够成功对用户的坐姿进行分类判断，帮助用户及时发现和纠正错误的坐姿，预防潜在的伤害。