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

龍圖騰網獲悉南京大學申請的專利一種基于特征監督的極端暗光環境下的視頻目標檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116469023B 。

龍圖騰網通過國家知識產權局官網在2025-09-19發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210018825.0，技術領域涉及：G06V20/40；該發明授權一種基于特征監督的極端暗光環境下的視頻目標檢測方法是由岳濤;成大兵;胡雪梅設計研發完成，并于2022-01-09向國家知識產權局提交的專利申請。

本一種基于特征監督的極端暗光環境下的視頻目標檢測方法在說明書摘要公布了：本發明公開了一種基于特征監督的極端暗光環境下視頻目標檢測方法。該方法將特征監督策略的訓練分為兩個階段：第一階段，使用未添加暗光噪聲的視頻數據在視頻目標檢測算法SELSA模型上訓練一組權重參數；第二階段，將未添加合成暗光噪聲的視頻輸入第一階段訓練好的SELSA模型的骨干網絡中且固定其參數不進行反向傳播優化，然后獲取骨干網絡不同深度處的干凈特征；將添加了合成暗光噪聲的視頻輸入新的待訓練的帶噪聲骨干網絡中獲取不同深度的噪聲特征，最后使用干凈的特征監督對應深度處的噪聲特征以此提高帶噪聲骨干網絡的抗噪聲性能。本方法能極大的減小網絡參數量、運算復雜度和推理時間。

本發明授權一種基于特征監督的極端暗光環境下的視頻目標檢測方法在權利要求書中公布了：1.一種基于特征監督的極端暗光環境下視頻目標檢測方法，其特征在于，包括如下步驟： 步驟1，使用未添加合成暗光噪聲的視頻數據在視頻目標檢測算法模型上進行訓練，并保存模型網絡的權重參數； 步驟2，獲得未添加合成暗光噪聲的干凈視頻和添加合成暗光噪聲的視頻，將未添加合成暗光噪聲的干凈視頻輸入步驟1訓練好的視頻目標檢測算法模型的骨干網絡中且固定其參數不進行反向傳播優化，然后獲取骨干網絡不同深度處的干凈特征；將添加合成暗光噪聲的視頻輸入新的待訓練的帶噪聲骨干網絡中獲取不同深度的噪聲特征，然后使用所述干凈特征監督對應深度處的噪聲特征以此提高帶噪聲骨干網絡的抗噪聲性能；為了進一步提升帶噪聲骨干網絡的抗噪聲性能，在帶噪聲骨干網絡中構建一條增強抗噪支路，該增強抗噪支路由多個增強抗噪子模塊構成，每個增強抗噪子模塊收集當前骨干網絡深度處的噪聲特征以及前一級增強抗噪子模塊的輸出特征，將兩者信息融合后經過空域抗噪和時域抗噪后輸出增強后的特征； 步驟3，完成步驟1和2的網絡訓練之后，進行測試推理，即將極端暗光環境下的噪聲視頻幀及其鄰近參考幀輸入步驟2中訓練好的帶噪聲骨干網絡中獲取高語義的特征； 步驟4，將帶噪聲骨干網絡輸出的高語義特征送入提議生成網絡和提議對齊模塊，提議生成網絡根據高語義特征生成一些可能存在物體目標的位置框信息，并將這些位置框信息送入提議對齊模塊中，在原特征圖中提取相應的位置特征，然后池化為統一的尺寸輸出為提議特征； 步驟5，將提議對齊模塊輸出的提議特征送入所述視頻目標檢測算法的時空域聚合模塊中，聚合時空間維度上提議特征的關聯性，從而提高視頻檢測的準確率； 步驟6，根據時空域聚合模塊輸出的特征，進行提議特征的物體位置框分類和回歸，輸出提議框的類別和位置信息。

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南京大學，其通訊地址為：210046 江蘇省南京市棲霞區仙林大道163號；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”。