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！

龙图腾网获悉深圳市万物云科技有限公司申请的专利基于联邦学习的人员流量密度统计及告警处理方法及系统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：CN116486319B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202310050325.X，技术领域涉及：G06V20/52；该发明授权基于联邦学习的人员流量密度统计及告警处理方法及系统是由王俊宜;常可欣;袁戟设计研发完成，并于2023-02-01向国家知识产权局提交的专利申请。

本基于联邦学习的人员流量密度统计及告警处理方法及系统在说明书摘要公布了：本发明公开了一种基于联邦学习的人员流量密度统计及告警处理方法及系统。使用FairMOT算法对单个摄像机中的图像数据集进行人员识别，再对多个摄像机中的图像识别结果进行时间顺序关联，最终对整个物业项目监控范围内进行人流密度情况统计，对物业项目内人员流量密度过高的区域进行流程化告警，达到疫情防控及提升物业服务质量的目的。与现有技术相比，本发明将联邦学习算法与FairMOT算法融合而搭建一个算法平台，实现多摄像头多目标去重跟踪，算法不仅具备了分布式的优势，还能够在数据不出本地边端的情况下，融合多个本地边端模型形成整个物业项目的云端全局模型，可有效保护业主数据隐私，打通数据壁垒，实现计算能力集约化调拨。

本发明授权基于联邦学习的人员流量密度统计及告警处理方法及系统在权利要求书中公布了：1.一种基于联邦学习的人员流量密度统计及告警处理方法，其特征在于，所述基于联邦学习的人员流量密度统计及告警处理方法包括如下步骤： S10、多个本地边端利用各自获取的监控视频数据对FairMOT网络进行本地训练以获取本地边端模型； S20、云端服务器从本地边端获取本地边端模型的主干网络参数变化量进行聚合处理，并利用聚合处理后的本地边端模型的主干网络参数变化量更新云端全局模型； S30、各本地边端从云端服务器下载云端全局模型的参数变化量，结合本地边端模型的分类器，利用各自获取的监控视频数据进行新一轮本地训练； S40、重复执行步骤S20至步骤S30，直至云端全局模型达到收敛要求，则完成云端全局模型和本地边端模型的训练； S50、各本地边端利用训练好的本地边端模型对各自获取的实时监控视频数据进行人员识别和人员流量密度统计，输出人员流量密度统计结果； S60、将人员流量密度统计结果与预设的人流密度告警策略进行匹配，当人员流量密度达到告警触发点时，生成告警工单； 所述步骤S50进一步包括有如下步骤： S51、获取实时监控视频数据并进行预处理，生成符合模型输入要求的实时监控图像； S52、使用OCR算法识别实时监控图像的时间，根据实时监控图像的时间确定属于本轮滚动时间窗口的统计范围内的实时监控图像，记为待测监控图像； S53、利用训练好的本地边端模型对待测监控图像进行人员识别和人员流量密度统计，并输出人员流量密度统计结果； S54、当本轮滚动时间窗口结束时间时，结束本轮统计，跳转步骤S51，开启新一轮统计； 所述步骤S53进一步包括有如下步骤： S531、将待测监控图像输入本地边端模型的骨干网络进行特征提取，输出4个分支的特征图； S532、将3个分支的特征图对应输入本地边端模型的目标检测网络的多平行头模块的3个平行头，3个平行头分别输出每一检测对象的中心位置、识别框大小和中心偏移； S533、将1个分支的特征图输入本地边端模型的中的Re-ID图像重分类分支结构，进行对象Re-ID特征提取以进行人员重识别跟踪。

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深圳市万物云科技有限公司，其通讯地址为：518000 广东省深圳市前海深港合作区前湾一路1号A栋201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”。

以上内容由龙图腾AI智能生成。