买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京佳力信联科技有限责任公司申请的专利一种基于深度学习的机场安检安全态势感知系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119380269B 。

龙图腾网通过国家知识产权局官网在2025-07-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411435477.2，技术领域涉及：G06V20/52；该发明授权一种基于深度学习的机场安检安全态势感知系统及方法是由李黎静设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本一种基于深度学习的机场安检安全态势感知系统及方法在说明书摘要公布了：本发明公开了基于深度学习的机场安检安全态势感知方法及系统，涉及图像处理技术领域，本发明通过收集过往的机场安检乘客连续的图片集和行李物品图片，构建第一乘客图片矩阵和行李物品图片集，将第一乘客图片矩阵分为训练矩阵和测试矩阵，行李物品图片集分为训练集和测试集；设定对应的标签矩阵和标签集；训练测试并优化CL网络模型和CNN神经网络模型，得到最终CL网络模型和最终CNN神经网络模型；将实时收集的乘客的图片集和行李物品图片分别传输至最终CL网络模型和最终CNN卷积神经网络模型，得到安全态势结果并做出决策；将实时异常乘客的特征带入到训练好的最终递归神经网络预测模型中，得到实时异常乘客的安全态势，并做出决策。

本发明授权一种基于深度学习的机场安检安全态势感知系统及方法在权利要求书中公布了：1.一种基于深度学习的机场安检安全态势感知方法，其特征在于，包括以下步骤： S1、收集过往的机场安检乘客连续的图片集，构建第一乘客图片矩阵；收集过往的机场安检行李物品图片，构建行李物品图片集；分别对第一乘客图片矩阵和行李物品图片集进行预处理，得到预处理后的第一乘客图片矩阵和预处理后的行李物品图片集； 其中，分别对第一乘客图片矩阵和行李物品图片集进行预处理包括以下步骤： 将第一乘客图片矩阵分为乘客图片训练矩阵和乘客图片测试矩阵，分别设定标签矩阵，得到乘客图片训练标签矩阵和乘客图片测试标签矩阵； 将行李物品图片集分为行李物品图片训练集和行李物品图片测试集，分别设定标签集，得到行李物品图片训练标签集和行李物品图片测试标签集； S2、构建初始CL网络模型；通过预处理后的第一乘客图片矩阵对初始CL网络模型进行训练优化，得到最终CL网络模型；构建初始CNN卷积神经网络模型；通过预处理后的行李物品图片集对初始CNN卷积神经网络模型进行训练优化，得到最终CNN卷积神经网络模型； 所述S2包括以下步骤： S21、将CNN卷积神经网络与LSTM长短期记忆网络进行串行融合，构建初始CL网络模型； S22、使用乘客图片训练矩阵和乘客图片训练标签矩阵训练初始CL网络模型；训练完成后得到训练好的CL网络模型，再将乘客图片测试矩阵和乘客图片测试标签矩阵输入至训练好的CL网络模型中进行测试，根据测试结果对训练好的CL网络模型进行优化，得到最终CL网络模型； S23、构建初始CNN卷积神经网络模型，使用行李物品图片训练集、行李物品图片测试集和行李物品图片训练标签集、行李物品图片测试标签集对初始CNN卷积神经网络模型进行训练优化，得到最终CNN卷积神经网络模型； S3、在机场内进行实时图片采集，得到实时乘客图片矩阵和实时行李物品图片集并分别传输至最终CL网络模型和最终CNN卷积神经网络模型，得到实时安全态势结果并做出决策；对于实时安全态势为异常的乘客，收集最终CL网络模型中提取的特征，构建实时异常乘客特征矩阵； S4、收集过往异常乘客数据，构建异常乘客特征矩阵；构建初始递归神经网络预测模型，基于异常乘客特征矩阵对初始递归神经网络预测模型进行训练优化，得到最终递归神经网络预测模型；将实时异常乘客特征矩阵代入最终递归神经网络预测模型，得到对实时异常乘客的预测结果并做出决策。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京佳力信联科技有限责任公司，其通讯地址为：100071 北京市丰台区西四环南路101号608室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。