摘要
一种基于Transformer和图卷积网络的人体姿态预测方法,由获取三维人体姿态数据集、划分数据集、构建人体姿态预测网络、训练人体姿态预测网络、测试人体姿态预测网络组成。由于本发明采用了Transformer和图卷积网络的人体姿态预测网络,解决了现有人体姿态预测方法依赖隐变量模型和概率性建模来合成可能发生的人体运动,人体姿态序列的复杂性和高维性,无法准确地预测出人体姿态序列的技术问题。Transformer网络与图卷积网络的联合使用,能够兼顾人体姿态序列局部和全局的时空依赖关系,更有效地提取运动特征,本发明通过结合Transformer的长程依赖特征提取能力和图卷积的空间特征建模能力,提高了人体姿态预测的准确度。
技术关键词
人体姿态预测方法
网络
三维人体姿态
训练人体
编码器
测试人体
隐变量模型
特征提取能力
解码器
数据
训练集
运动特征
关节
序列
坐标
服务器
索引
矩阵
系统为您推荐了相关专利信息
负载均衡方法
流量预测模型
网络通信数据
网络拓扑结构
资源分配策略
流量控制策略
网络流量控制方法
网络状态信息
强化学习模型
蚁群算法
启动器控制方法
软启动器
长短期记忆网络
动态
温度补偿系数