買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)刑事警察學(xué)院申請(qǐng)的專利一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120125954B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510614530.3，技術(shù)領(lǐng)域涉及：G06V10/80；該發(fā)明授權(quán)一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)是由王寶玉;曹萍萍;趙洋洋;申愛(ài)紅;董旭設(shè)計(jì)研發(fā)完成，并于2025-05-14向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)，涉及計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。所述方法包括：將待測(cè)圖像輸入目標(biāo)識(shí)別模型中進(jìn)行處理，得到目標(biāo)識(shí)別結(jié)果；所述目標(biāo)識(shí)別模型是基于雙通路編碼網(wǎng)絡(luò)和加權(quán)優(yōu)化損失函數(shù)構(gòu)建的；所述雙通路編碼網(wǎng)絡(luò)包括MobileNet通路和小波通路；其中，所述MobileNet通路用于提取多尺度空間特征，由依次連接的分層編碼器和多特征預(yù)測(cè)解碼器組成；所述小波通路用于提取頻率域特征，由依次連接的全局語(yǔ)義小波編碼模塊和局部小波融合解碼模塊組成；所述多特征預(yù)測(cè)解碼器還分別與全局語(yǔ)義小波編碼模塊和局部小波融合解碼模塊連接。本發(fā)明能夠提高面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別精度及準(zhǔn)確性。

本發(fā)明授權(quán)一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法、系統(tǒng)、設(shè)備及介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種面向復(fù)雜場(chǎng)景的目標(biāo)識(shí)別方法，其特征在于，包括： 獲取待測(cè)圖像；所述待測(cè)圖像為具有復(fù)雜場(chǎng)景的拍攝圖像； 將所述待測(cè)圖像輸入目標(biāo)識(shí)別模型中進(jìn)行處理，得到目標(biāo)識(shí)別結(jié)果；所述目標(biāo)識(shí)別模型是基于雙通路編碼網(wǎng)絡(luò)和加權(quán)優(yōu)化損失函數(shù)構(gòu)建的；所述雙通路編碼網(wǎng)絡(luò)包括MobileNet通路和小波通路；其中，所述MobileNet通路用于提取多尺度空間特征，由依次連接的分層編碼器和多特征預(yù)測(cè)解碼器組成；所述小波通路用于提取頻率域特征，由依次連接的全局語(yǔ)義小波編碼模塊和局部小波融合解碼模塊組成；所述多特征預(yù)測(cè)解碼器還分別與全局語(yǔ)義小波編碼模塊和局部小波融合解碼模塊連接； 所述全局語(yǔ)義小波編碼模塊的運(yùn)算過(guò)程具體包括： 步驟1：通過(guò)使用基于Haar小波的離散小波變換，將由所述待測(cè)圖像得到的輸入特征圖分解為四個(gè)子帶圖，將子帶圖用作低頻分量來(lái)表示輸入的基本特征，以及將子帶圖、子帶圖和子帶圖用作高頻分量來(lái)表示輸出細(xì)節(jié)： ， 其中，表示基于Haar小波的離散小波變換； 步驟2：對(duì)低頻分量和高頻分量、和進(jìn)行深度可分離卷積和非線性激活運(yùn)算，得到特征、、和分別表示為： ， 其中，表示卷積核大小為的深度可分離卷積運(yùn)算，代表GeLU函數(shù)； 步驟3：將非線性校正單元和歸一化函數(shù)應(yīng)用于特征、、和，以獲得特征權(quán)重、、以及： ， 其中，表示平均池化操作，表示由DSConv、BN和ReLU組成的非線性校正單元運(yùn)算，表示Sigmoid函數(shù)； 步驟4：對(duì)低頻特征和高頻特征、和進(jìn)行特征加權(quán)，分別得到加權(quán)特征、、和： ， 其中，表示哈達(dá)瑪乘積運(yùn)算； 步驟5：通過(guò)使用元素相加操作進(jìn)行多特征融合，表示為： ， 其中，表示由DSConv、BN和GeLU組成的非線性校正單元運(yùn)算； 步驟6：通過(guò)使用非線性校正單元運(yùn)算得到下采樣特征和，最終輸出特征表示如下： ， 其中，表示通道維度特征級(jí)聯(lián)，表示使用次由DSConv、BN和GeLU組成的非線性校正單元運(yùn)算； 所述局部小波融合解碼模塊的運(yùn)算過(guò)程具體包括： 步驟1：對(duì)輸入特征執(zhí)行尺度調(diào)和操作和非線性校正單元運(yùn)算，以獲得高分辨率的輸出特征： ， 其中，表示雙線性插值算法，表示使用2次由DSConv、BN和ReLU組成的非線性校正單元運(yùn)算； 步驟2：對(duì)特征進(jìn)行小波分解，得到低頻子帶圖和高頻子帶圖、和，分別表示為： ， 其中，表示基于Haar小波的離散小波變換； 步驟3：對(duì)特征、、、和特征、、、進(jìn)行多特征融合和變換，獲得輸出特征、、和，分別表示為： ， 其中，+表示逐元素加和運(yùn)算； 步驟4：對(duì)特征、、和進(jìn)行逆小波變換以獲得輸出特征、、和，分別表示為： ， 其中，表示逆小波變換； 步驟5：通過(guò)利用特征級(jí)聯(lián)和卷積運(yùn)算對(duì)多區(qū)域特征、、和進(jìn)行重塑和融合，最終輸出特征表示如下： ， 其中，和表示對(duì)應(yīng)通道維度特征級(jí)聯(lián)，表示使用次由DSConv、BN和GeLU組成的非線性校正單元運(yùn)算。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)刑事警察學(xué)院，其通訊地址為：110854 遼寧省沈陽(yáng)市皇姑區(qū)塔灣街83號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。