一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质

一种基于逐次超松弛图卷积神经网络的3D人体姿态估计方法、系统、设备及介质，方法包括：使用2D姿态检测器对输入图像或视频进行检测，获取图像或视频中人体的2D关节点坐标；对2D关节点坐标执行统一的标准化处理；构建图邻接矩阵用于表示图结构模型；将经标准化处理的2D关节点坐标作为图卷积神经网络的初始输入特征，为图卷积神经网络提供初始的2D关节点信息，采用逐次超松弛迭代方法，结合构建的图邻接矩阵，对初始输入特征进行更新，经过SOR循环迭代更新后，图卷积神经网络最终输出预测的3D人体姿态，包括人体各个关节的3D坐标；系统、设备及介质用于实现该方法；本发明提高网络的计算效率，降低过度拟合的风险，取得更好的鲁棒性。