公开(公告)号：CN114549862A

公开(公告)日：2022-05-27

申请号：CN202210209205.5

申请日：2022-03-04

Applicant: 重庆邮电大学

Inventor： 秦红星 ,  刘启煌

IPC: G06V10/46 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于多任务学习的人体点云骨架提取方法，属于计算机图形学领域。该方法包括：通过PointCNN和MLP得到歧义点云和非歧义点云，消除歧义点云，取非歧义点云作为感兴趣点云；将感兴趣点云输入到PointCNN，采用多任务学习预测点的偏移向量以及人体部位分割，结合预测的偏移向量以及部位得到预测的关节点集合；剔除关节点预测值集合中的低质量预测；对高质量预测点使用DBSCAN聚类方法，得到每个部位关节点坐标预测值；根据关节点的预测语义信息，将所有关节点连接为3D人体骨架；根据人体结构的先验知识，检查并修复3D人体骨架中的错误。本发明提高了三维人体骨架提取的准确率。

公开(公告)号：CN114549862B

公开(公告)日：2024-07-23

申请号：CN202210209205.5

申请日：2022-03-04

Applicant: 重庆邮电大学

Inventor： 秦红星 ,  刘启煌

IPC: G06V10/46 ,  G06V10/26 ,  G06V10/762 ,  G06V10/764 ,  G06V40/10 ,  G06V20/64 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明涉及一种基于多任务学习的人体点云骨架提取方法，属于计算机图形学领域。该方法包括：通过PointCNN和MLP得到歧义点云和非歧义点云，消除歧义点云，取非歧义点云作为感兴趣点云；将感兴趣点云输入到PointCNN，采用多任务学习预测点的偏移向量以及人体部位分割，结合预测的偏移向量以及部位得到预测的关节点集合；剔除关节点预测值集合中的低质量预测；对高质量预测点使用DBSCAN聚类方法，得到每个部位关节点坐标预测值；根据关节点的预测语义信息，将所有关节点连接为3D人体骨架；根据人体结构的先验知识，检查并修复3D人体骨架中的错误。本发明提高了三维人体骨架提取的准确率。