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！

龙图腾网获悉东南大学申请的专利一种基于一到多对抗网络的全天候车辆检测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：CN114419541B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202111626944.6，技术领域涉及：G06V20/52；该发明授权一种基于一到多对抗网络的全天候车辆检测方法是由王晨;周威;夏井新;陆振波;钱振东设计研发完成，并于2021-12-28向国家知识产权局提交的专利申请。

本一种基于一到多对抗网络的全天候车辆检测方法在说明书摘要公布了：本发明公开了一种基于一到多对抗网络的全天候车辆检测方法。考虑了黑夜场景因光源分布以及光照强度差异导致黑夜场景非单一的特点，利用灰度直方分布以及聚类算法，实现黑夜场景自然光和背景光的光照强度的分级；提出该一到多对抗网络的目的在于将一张白天图片按照设定的自然光与背景光强度转换为不同光照环境下的黑夜图片，并利用携带标签信息的白天图片与合成的黑夜图片共同训练车辆检测模型，有效缓解了现有全天候车辆检测技术方法因带标签信息的黑夜图片稀少或者合成黑夜图片的多样性不足而导致其在不同光照的黑夜环境下泛化能力不足的问题。

本发明授权一种基于一到多对抗网络的全天候车辆检测方法在权利要求书中公布了：1.一种基于一到多对抗网络的全天候车辆检测方法，其特征在于，包含以下步骤： S1、利用天空分割算法将采集的黑夜监控图片分割为天空区域S与非天空区域NS； S2、获取天空区域S与非天空区域NS的灰度直方分布GS以及GNS，并从灰度直方分布GS以及GNS中构建低维特征向量fS及fNS； S3、利用聚类算法对低维特征向量fS及fNS聚类，并根据聚类结果分别获取所有黑夜图片的自然光与背景光的光照向量； S4、构建一到多对抗网络，基于从黑夜图片中获取的自然光与背景光的光照向量搭建联合损失函数进行一到多对抗网络的训练； S5、训练完成的一到多对抗网络以白天图片以及可调光照向量为输入，生成不同自然光与背景光条件的黑夜合成图片； S6、利用白天图片和生成的黑夜合成图片共同训练车辆检测模型； S7、将训练完毕的车辆检测模型导入路侧计算设备或者云端计算中心，进行路侧监控下全时段的车辆检测任务； 步骤2具体包括： 将天空区域S与非天空区域NS灰度化，并统计灰度值位于[0,255]区间的像素数量，形成灰度直方分布GS以及GNS；等分灰度像素区间[0,255]至10个等间隔的区间,从GS以及GNS的分布结果中分别统计落入各区间的像素值数量，进而获得灰度分布直方图gs以及gNS；统计所有黑夜数据中的灰度分布直方图gs以及gNS，记做gS集合和gNS集合；根据统计结果计算gS集合和gNS集合的均值与方差，利用获得的均值与方差并按照如下公式实现gS和gNS的数据标准化： 式中：和分别为GS集合以及gNS集合的均值，和分别为gs集合以及gNS集合的方差；fS及fNS为低维特征向量； 步骤4具体包括： S41.构建白天转黑夜图片生成网络GD2N,该网络的目的是将一张白天图片d按照设定的自然光与背景光强度z转换为不同光照环境下的多张黑夜图片n； S42.构建黑夜转白天图片生成网络GN2D,该网络将所有生成的黑夜图片n转换为重建白天图片 S43.构建循环一致性损失函数，促使输入白天图片d与重建白天图片足够相近，进而赋能生成网络GD2N生成与输入白天图片d内容一致的黑夜图片n：该循环一致性损失函数Lc定义如下： 式中：D为白天图片数据集，Z为自然光与背景光强度的选择空间；N为真实黑夜图片数据集；GD2Nd|z为以光照调节向量z和白天图片d为输入，生成的黑夜图片；Ed～D,z～Z为所有白天图片d和所有光照向量z的输出求期望所得； S44.为促使生成网络GD2N生成的黑夜图片足够真实且具备光照向量z限制条件下的自然光与背景光，引入图像真伪判别器DN与光照等级判别器C； S45.引入对抗损失训练生成网络GD2N与图像真伪判别器DN，促使生成网络GD2N生成足够真实的黑夜图片；以最小化该损失为学习目标而判别器DN以最大化该损失为学习目标生成网络GD2N表示如下： Ladv＝Εn～NlogDNn+Εd～D,z～Zlog1-DNGD2Nd|z式中,Ladv为对抗损失函数；En～N为对所有黑夜图片n的输出求期望； S46.引入光照分类损失和促使生成网络GD2N生成的黑夜图片具备光照向量z限制条件下的自然光与背景光；光照分类损失具体定义如下： 式中，zn以及za分别为光照等级判别器c就生成黑夜图片n自然光与背景光亮度等级的识别结果；生成网络GD2N以最小化损失为学习目标而判别器c以最小化损失为学习目标；cn为黑夜图片n的自然光的光照向量；ca为背景光的光照向量。

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东南大学，其通讯地址为：210096 江苏省南京市玄武区四牌楼2号；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”。