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！

龙图腾网获悉西安电子科技大学申请的专利一种基于改进YOLOv7算法的红外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：CN116129327B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202310175297.4，技术领域涉及：G06V20/40；该发明授权一种基于改进YOLOv7算法的红外车辆检测方法是由徐一铭;姬红兵;张文博;李林;臧博;龙璐岚设计研发完成，并于2023-02-28向国家知识产权局提交的专利申请。

本一种基于改进YOLOv7算法的红外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改进YOLOv7算法的红外车辆检测方法，包括以下步骤；步骤1：采集交通道路上的车辆视频进行帧提取和图像预处理，得到红外车辆图像数据集；步骤2：构建一个包含31个卷积块的新主干特征提取网络Conv31；步骤3：将新的主干特征提取网络与原YOLOv7的预测网络连接，构成新的网络模型Conv31‑YOLOv7；步骤4：将步骤1得到的训练数据集送入到新的步骤3的网络模型Conv31‑YOLOv7中，采用小批次随机梯度下降算法进行训练，得到训练好的红外车辆检测模型；步骤5：将红外热成像设备实时采集的交通道路上的红外车辆视频按帧送入到已经训练好的红外车辆检测模型，得到车辆的实时位置信息、尺度信息和置信度。本发明在保证较高检测速度的前提下，显著提高检测准确率。

本发明授权一种基于改进YOLOv7算法的红外车辆检测方法在权利要求书中公布了：1.一种基于改进YOLOv7算法的红外车辆检测方法，其特征在于，包括以下步骤； 步骤1：采集交通道路上的车辆视频进行帧提取和图像预处理，得到红外车辆图像数据集； 步骤2：对YOLOv7算法主干特征提取网络进行改进，即舍弃YOLOv7算法中的主干特征提取网络，构建一个包含31个卷积块的新主干特征提取网络Conv31，替换YOLOv7算法中的主干特征提取网络； 步骤3：将新的主干特征提取网络与原YOLOv7的预测网络连接，构成新的网络模型Conv31-YOLOv7； 步骤4：将步骤1得到的训练数据集送入到步骤3的网络模型Conv31-YOLOv7中，采用小批次随机梯度下降算法进行训练，得到训练好的红外车辆检测模型； 步骤5：将红外热成像设备实时采集的交通道路上的红外车辆视频按帧送入到所述训练好的红外车辆检测模型，得到车辆的实时位置信息、尺度信息和置信度； 所述步骤3具体为： 将步骤2得到的新的主干特征提取网络Conv31中的第16个卷积块与YOLOv7预测网络的第1个预测支路连接； 将新的主干特征提取网络Conv31中的第24个卷积块与YOLOv7预测网络的第2个预测支路连接； 将新的主干特征提取网络Conv31中的第31个卷积块与YOLOv7预测网络的第3个预测支路连接； 所述YOLOv7预测网络内部模块连接关系为： 第1个预测支路各模块连接关系如下： 第16个卷积块-支路卷积块1-Multi_Concat_Block1-RepConv1-检测头1； 第2个预测支路各模块连接关系如下： 第24个卷积块-支路卷积块2-Multi_Concat_Block2-Multi_Concat_Block3-RepConv2-检测头2； 第3个预测支路各模块连接关系如下： 第31个卷积块-Multi_Concat_Block4-RepConv3-检测头3； 各预测支路模块之间的连接关系如下： 第31个卷积块-上采样卷积块1-上采样层1-Multi_Concat_Block2-上采样卷积块2-上采样层2-Multi_Concat_Block1； Multi_Concat_Block1-TransitionBlock1- Multi_Concat_Block2-TransitionBlock2-Multi_Concat_Block4。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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”。