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！

龙图腾网获悉南京大学申请的专利一种基于特征监督的极端暗光环境下的视频目标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：CN116469023B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202210018825.0，技术领域涉及：G06V20/40；该发明授权一种基于特征监督的极端暗光环境下的视频目标检测方法是由岳涛;成大兵;胡雪梅设计研发完成，并于2022-01-09向国家知识产权局提交的专利申请。

本一种基于特征监督的极端暗光环境下的视频目标检测方法在说明书摘要公布了：本发明公开了一种基于特征监督的极端暗光环境下视频目标检测方法。该方法将特征监督策略的训练分为两个阶段：第一阶段，使用未添加暗光噪声的视频数据在视频目标检测算法SELSA模型上训练一组权重参数；第二阶段，将未添加合成暗光噪声的视频输入第一阶段训练好的SELSA模型的骨干网络中且固定其参数不进行反向传播优化，然后获取骨干网络不同深度处的干净特征；将添加了合成暗光噪声的视频输入新的待训练的带噪声骨干网络中获取不同深度的噪声特征，最后使用干净的特征监督对应深度处的噪声特征以此提高带噪声骨干网络的抗噪声性能。本方法能极大的减小网络参数量、运算复杂度和推理时间。

本发明授权一种基于特征监督的极端暗光环境下的视频目标检测方法在权利要求书中公布了：1.一种基于特征监督的极端暗光环境下视频目标检测方法，其特征在于，包括如下步骤： 步骤1，使用未添加合成暗光噪声的视频数据在视频目标检测算法模型上进行训练，并保存模型网络的权重参数； 步骤2，获得未添加合成暗光噪声的干净视频和添加合成暗光噪声的视频，将未添加合成暗光噪声的干净视频输入步骤1训练好的视频目标检测算法模型的骨干网络中且固定其参数不进行反向传播优化，然后获取骨干网络不同深度处的干净特征；将添加合成暗光噪声的视频输入新的待训练的带噪声骨干网络中获取不同深度的噪声特征，然后使用所述干净特征监督对应深度处的噪声特征以此提高带噪声骨干网络的抗噪声性能；为了进一步提升带噪声骨干网络的抗噪声性能，在带噪声骨干网络中构建一条增强抗噪支路，该增强抗噪支路由多个增强抗噪子模块构成，每个增强抗噪子模块收集当前骨干网络深度处的噪声特征以及前一级增强抗噪子模块的输出特征，将两者信息融合后经过空域抗噪和时域抗噪后输出增强后的特征； 步骤3，完成步骤1和2的网络训练之后，进行测试推理，即将极端暗光环境下的噪声视频帧及其邻近参考帧输入步骤2中训练好的带噪声骨干网络中获取高语义的特征； 步骤4，将带噪声骨干网络输出的高语义特征送入提议生成网络和提议对齐模块，提议生成网络根据高语义特征生成一些可能存在物体目标的位置框信息，并将这些位置框信息送入提议对齐模块中，在原特征图中提取相应的位置特征，然后池化为统一的尺寸输出为提议特征； 步骤5，将提议对齐模块输出的提议特征送入所述视频目标检测算法的时空域聚合模块中，聚合时空间维度上提议特征的关联性，从而提高视频检测的准确率； 步骤6，根据时空域聚合模块输出的特征，进行提议特征的物体位置框分类和回归，输出提议框的类别和位置信息。

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南京大学，其通讯地址为：210046 江苏省南京市栖霞区仙林大道163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”。