面向遮挡场景下的基于单目视频的单人3D姿态估计方法

本发明提供一种面向遮挡场景下的基于单目视频的单人3D姿态估计方法，涉及姿态估计技术领域。利用人体先验知识对2D关键点进行分组，并在模型训练阶段通过随机遮挡部分2D关键点分组的方式进行数据增强，模拟遮挡场景下的人体姿态数据；设计融合图卷积神经网络GCN和时序卷积神经网络TCN的3D人体姿态估计网络架构，GCN的输出作为TCN的输入，实现对空间与时间信息的联合建模。本发明方法不仅有效降低对复杂硬件、场景设置以及人工标注的依赖，还通过灵活生成多种遮挡情况，使数据集能快速扩展，从而大幅度提高数据集构建效率；不仅能够在遮挡场景下准确估计人体姿态，还在一定程度上减轻了输出视频中的抖动问题，从而提升估计结果的平滑性和稳定性。