(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211038360.1 (22)申请日 2022.08.29 (71)申请人 华南农业大 学 地址 510642 广东省广州市天河区五山路 483号 (72)发明人 高月芳　麦凯湛　郝丽　米平平　 何唱　郑丽娜　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李君 (51)Int.Cl. G06T 7/73(2017.01) G06V 40/10(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 姿态自动定位与定量分析方法、 系统、 计算 机设备及 介质 (57)摘要 本发明公开了一种姿态自动定位与定量分 析方法、 系统、 计算机设备及介质， 所述方法包 括： 获取单人模特表演姿态数据集； 构建包括特 征提取网络、 自动定位子网络和定量分析子网络 的深度神经网络框架， 所述特征提取网络分别与 自动定位子网络、 定量分析子网络连接； 利用所 述数据集训练深度神经网络框架； 获取待分析单 人模特图像； 将待分析单人模特图像输入训练好 的深度神经网络框架， 实现对模 特姿态的自动定 位与定量分析。 本发明构建了一个包括特征提取 网络、 自动定位子网络和定量分析子网络的深度 神经网络框架， 表演者可以根据 深度神经网络框 架所输出的量化数据， 学习和研究优秀模特作品 中的姿态 规律， 从而还原出具有美感的高水平姿 态。 权利要求书2页 说明书8页 附图6页 CN 115439539 A 2022.12.06 CN 115439539 A 1.一种姿态自动定位与定量分析 方法， 其特 征在于， 所述方法包括： 获取单人模特表演姿态数据集； 构建包括特征提取网络、 自动定位子网络和定量分析子网络的深度神经网络框架， 所 述特征提取网络分别与自动定位子网络、 定量分析子网络连接； 利用所述数据集训练深度神经网络 框架； 获取待分析 单人模特图像； 将待分析单人模特图像输入训练好的深度神经网络框架， 实现对模特姿态的自动定位 与定量分析。 2.根据权利要求1所述姿态自动定位与定量分析方法， 其特征在于， 所述特征提取网络 包括一个提前 卷积模块和多个组合模块； 其中， 前一个组合模块的输出与后一个组合模块的输入连接， 第一个组合模块的输入 与提前卷积模块的输出连接， 最后一个组合模块分别与自动定位子网络、 定量分析子网络 连接。 3.根据权利要求2所述姿态自动定位与定量分析方法， 其特征在于， 所述组合模块包括 依次连接的残差模块、 V模块和1 ×1卷积层。 4.根据权利要求3所述姿态自动定位与定量分析方法， 其特征在于， 所述V模块,用于对 输入V模块的特 征矩阵进行多次下采样和多次上采样； 其中， 下采样的次数与上采样的次数相同； 在每次下采样时， 根据最大池化操作， 对相应的特征矩阵进行下采样， 使其分辨率缩小 一半； 在每次上采样时， 根据反卷积的方式， 对相应的特征矩阵进行上采样， 使其分辨率增大 一半。 5.根据权利要求4所述姿态自动定位与定量分析方法， 其特征在于， 在每次下采样之 前， 以及在最后一次下采样之后， 通过第一残差处 理， 对相应的特 征矩阵进行复制； 对复制后的特 征矩阵进行第二残差处 理， 得到相应残差； 将残差加到后续上采样过程中相同分辨 率的特征矩阵上。 6.根据权利要求1 ‑5任一项所述姿态自动定位与定量分析方法， 其特征在于， 所述自动 定位子网络， 具体用于： 将输入自动定位子网络的特征矩阵复制成第 一特征矩阵、 第 二特征矩阵和第 三特征矩 阵； 对第一特 征矩阵和第二特 征矩阵进行 卷积处理， 使它们的分辨 率与通道数一 致； 根据通道注意力 机制和空间注意力 机制， 对卷积处理后的第 一特征矩阵和第 二特征矩 阵进行处 理， 分别生成注意力向量和注意力地图； 将注意力向量、 注意力地图和第三特 征矩阵三 者相加， 并通过第三残差处 理进行还原。 7.根据权利要求1所述姿态自动定位与定量分析方法， 其特征在于， 所述单人模特表演 姿态数据集包括多张标注后的单 人模特静态姿态图像； 每张所述标注后的单人模特静态姿态图像标注了至少二十个动力点及其权重， 所述至 少二十个动力点分别位于下巴、 右颈部、 左颈部、 右肩部、 左肩部、 右手肘、 左手肘、 右手掌、 左手掌、 右腰部、 左腰部、 腹部、 右胯部、 左胯部、 右膝盖、 左膝盖、 右脚踝、 左脚踝、 右脚趾、 左权　利　要　求　书 1/2 页 2 CN 115439539 A 2脚趾。 8.一种姿态自动定位与定量分析系统， 其特 征在于， 所述系统包括： 第一获取 单元， 用于获取 单人模特表演姿态数据集； 构建单元， 用于构建包括特征提取网络、 自动定位子网络和定量分析子网络的深度神 经网络框架， 所述特 征提取网络分别与自动定位子网络、 定量分析子网络连接； 训练单元， 用于利用所述数据集训练深度神经网络 框架； 第二获取 单元， 用于获取待分析 单人模特图像； 自动定位与定量分析单元， 用于将待分析单人模特图像输入训练好的深度神经网络框 架， 实现对 模特姿态的自动定位与定量分析。 9.一种计算机设备， 包括处理器以及用于存储处理器可执行程序的存储器， 其特征在 于， 所述处理器执行存储器存储的程序时， 实现权利要求 1‑7任一项所述姿态自动定位与定 量分析方法。 10.一种存储介质， 存储有程序， 其特征在于， 所述程序被处理器执行时， 实现权利要求 1‑7任一项所述姿态自动定位与定量分析 方法。权　利　要　求　书 2/2 页 3 CN 115439539 A 3