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

龍圖騰網獲悉哈爾濱工業(yè)大學(深圳)申請的專利集傷點場景下基于深度學習的傷員識別方法與系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN114913550B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210599623.X，技術領域涉及：G06V40/10；該發(fā)明授權集傷點場景下基于深度學習的傷員識別方法與系統(tǒng)是由樓云江;彭建文設計研發(fā)完成，并于2022-05-30向國家知識產權局提交的專利申請。

本集傷點場景下基于深度學習的傷員識別方法與系統(tǒng)在說明書摘要公布了：本發(fā)明涉及一種基于深度學習神經網絡的傷員識別方法與系統(tǒng)，其中的方法包括以下步驟：S10、通過深度相機對集傷點環(huán)境中的至少一個的傷員圖片的進行采集，并匯集成傷員圖片的現場數據集；S20、以數據增廣的方式，針對所述現場數據集中的近距離拍攝的原始傷員圖片生成更小尺寸的額外傷員圖片，并使所述額外傷員圖片與原始傷員圖片關聯后儲存在所述現場數據集中；S30、將深度相機所拍攝的現場圖片輸入至基于深度學習的神經網絡以計算輸出所述現場圖片中的傷員數量，其中所述神經網絡由預訓練數據集和所述現場數據集來訓練。其中的系統(tǒng)包括深度相機、存儲器和處理器，該處理器在執(zhí)行儲存在存儲器的指令時實施所述方法。

本發(fā)明授權集傷點場景下基于深度學習的傷員識別方法與系統(tǒng)在權利要求書中公布了：1.一種基于深度學習神經網絡的傷員識別方法，其特征在于，所述方法包括以下步驟： S10、通過深度相機對集傷點環(huán)境中的至少一個的傷員圖片的進行采集，并匯集成傷員圖片的現場數據集；其中，在移動設備向集傷點環(huán)境的行進過程中，從較遠位置開始通過移動設備上搭載的深度相機進行圖像采集，其中，所述移動設備包括四足機器狗、移動機器人、移動智能車或飛行無人機； S20、以數據增廣的方式，針對所述現場數據集中的近距離拍攝的原始傷員圖片生成更小尺寸的額外傷員圖片，并使所述額外傷員圖片與原始傷員圖片關聯后儲存在所述現場數據集中； S30、將深度相機所拍攝的現場圖片輸入至基于深度學習的神經網絡以計算輸出所述現場圖片中的傷員數量，其中所述神經網絡由預訓練數據集和所述現場數據集來訓練； 其中，所述神經網絡包括： VGG16網絡架構的基礎網絡層； 用于提取不同尺度的特征映射圖的輔助卷積層； 預測卷積層，所述預測卷積層包括位置預測卷積層和類別預測卷積層；所述神經網絡被配置成：使conv4_3層、conv7層、conv8_2層、conv9_2層、conv10_2層以及conv11_2層輸出的特征圖發(fā)送到預測卷積層，以獲取圖片中傷員位置信息和分類信息；使conv4_3層、conv7層、conv8_2層輸出的特征圖進行特征融合，以融合成與conv4_3層輸出特征圖同尺寸的特征圖，并且代替conv4_3層特征圖，再發(fā)送到預測卷積層； 其中，使conv4_3層的H1xW1xC1大小特征圖的經過3x3大小的卷積層，再連接L2norm層，再連接ReLu層，從而輸出同尺寸大小的第一特征圖；使Conv7層的H2xW2xC2大小特征圖的經過反卷積層，連接L2norm層，再連接ReLu層，從而輸出尺寸為H1xW1xC12大小的第二特征圖；使Conv8_2層H3xW3xC3大小的特征圖經過反卷積層，連接L2norm層，再連接ReLu層，從而輸出尺寸為H1xW1xC12大小的第三特征圖；使輸出的第一特征圖、第二特征圖和第三特征圖通過拼接的方式生成H1xW1xC1*2大小的特征圖，其中H、W和C分別表示特征圖的尺寸維度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人哈爾濱工業(yè)大學(深圳)，其通訊地址為：518000 廣東省深圳市南山區(qū)桃源街道深圳大學城哈爾濱工業(yè)大學校區(qū)G棟314；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。