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卫星视频中基于时空运动和模型压缩的移动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：CN116894975B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310838303.X，技术领域涉及：G06V10/764；该发明授权卫星视频中基于时空运动和模型压缩的移动车辆检测方法是由冯婕;朱潇雨;惠炳谕;尚荣华;吴金建;张向荣;焦李成设计研发完成，并于2023-07-10向国家知识产权局提交的专利申请。

本卫星视频中基于时空运动和模型压缩的移动车辆检测方法在说明书摘要公布了：本发明公开了一种卫星视频中基于时空运动和模型压缩的移动车辆检测方法，其实现步骤为：构建输入子网络，构建特征提取子网络，构建轻量级时空运动信息提取子网络，构建检测头子网络，构建轻量级移动车辆检测网络，生成训练集，训练轻量级移动车辆检测网络，检测卫星视频中的移动车辆。本发明能够较好的解决检测卫星视频中移动车辆误检和漏检问题，提高了检测精确度，本发明显著减少了检测时间，提高了从卫星视频中检测地面移动车辆的效率，可用于对卫星视频中移动车辆进行实时的检测。

本发明授权卫星视频中基于时空运动和模型压缩的移动车辆检测方法在权利要求书中公布了：1.一种卫星视频中基于时空运动和模型压缩的移动车辆检测方法，其特征在于，时空运动信息提取子网络构建中采用具有较少通道数和小尺寸三维卷积层的模型压缩策略；该检测方法的步骤包括如下： 步骤1，搭建由缩放层和增强层串联组成的输入子网络； 步骤2，搭建由三维转置卷积层和三维卷积层串联组成的特征提取子网络； 步骤3，构建由浅层时空运动信息提取模块、深层时空运动信息提取模块、时空运动信息融合模块构成的轻量级时空运动信息提取子网络： 步骤3.1，搭建一个由三维卷积层、第一扩展层、压缩层、第二扩展层、残差连接层、三维最大池化下采样层和可变型卷积层依次串联组成的浅层时空运动信息提取模块；将三维卷积层和压缩层的卷积核大小均设置为1，步长均设置为1，输入通道数分别设置为16和32，输出通道数均设置为16；残差连接层将原始数据和当前数据作为输入，沿通道方向相加；将三维池化下采样层的卷积核大小设置为3×1×1，步长设置为3×1×1；将可变型卷积层的卷积核尺寸设置为3，步长设置为1，输入通道数设置为64，输出通道数设置为32； 步骤3.2，搭建由第一三维最大池化下采样层、三维卷积层、第一扩展层、压缩层、第二扩展层、残差连接层、第二三维最大池化下采样层、可变形卷积层和二维转置卷积层依次串联组成的深层时空运动信息提取模块；将第一三维最大池化下采样层的卷积核大小设置为1×2×2，步长设置为1×2×2；将三维卷积层和压缩层的卷积核大小设置为1，步长设置为1，输入通道数分别设置为32和64，输出通道数均设置为32；残差连接层将原始数据和当前数据作为输入，沿通道方向相加；将第二三维池化下采样层的卷积核大小设置为3×1×1，步长设置为3×1×1；将可变型卷积层的卷积核大小设置为3，步长设置为1，输入通道数和输出通道数均设置为32；将二维转置卷积层的卷积核大小设置为4，步长设置为2，输入通道数和输出通道数均设置为32； 步骤3.3，搭建由连接层和可变型卷积层依次串联组成的时空运动信息融合模块；将可变型卷积层的卷积核大小设置为3，步长设置为1，输入通道数和输出通道数均设置为32；连接层将输入数据沿通道方向相加； 步骤3.4，将浅层时空运动信息提取模块中的残差连接层与深层时空运动信息提取模块中的转置卷积层级联，将浅层时空运动信息提取模块中的可变型卷积层和深层时空运动信息提取模块中的第一三维最大池化下采样层与时空运动信息融合模块的连接层级联，得到轻量级时空运动信息提取子网络； 步骤4，构建由关键点热图预测层、中心点偏移量预测层、目标框大小预测层并联组成的检测头子网络； 步骤5，构建轻量级移动车辆检测网络： 将输入子网络的增强层与特征提取子网络中的三维转置卷积层级联；将特征提取子网络中的三维卷积层与浅层时空运动信息提取子网络中的三维卷积层级联；将时空运动信息融合子网络中的可变型卷积层与检测头子网络中的关键点热图预测层、中心点偏移量预测层和目标框大小预测层级联，构成轻量级移动车辆检测网络； 步骤6，生成训练集： 将至少300帧大尺寸的卫星视频组成样本集，样本集中每一个视频帧中的目标不少于50辆，且尺寸范围为4到20个像素的缺乏外观信息的移动车辆；将样本集的每一帧裁剪为512×512个像素的视频帧，并以5帧为间隔将视频帧堆叠起来，组成训练集； 步骤7，训练轻量级移动车辆检测网络： 设置训练参数，将训练集输入到轻量级移动车辆检测网络中，采用Adam优化器和随机梯度下降法，迭代更新网络参数的权值，直到损失函数L收敛为止，得到训练好的网络模型； 步骤8，检测卫星视频中的移动车辆： 将待检测的卫星视频帧按照步骤6相同的裁剪和堆叠操作后，输入到训练好的网络中，输出移动车辆检测结果并保存为coco格式的标签文件。

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”。