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！

龙图腾网获悉武汉大学申请的专利一种基于增量式背景建模与多目标跟踪的高空抛物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：CN116580055B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202310422631.1，技术领域涉及：G06T7/246；该发明授权一种基于增量式背景建模与多目标跟踪的高空抛物检测方法是由程子洋;周琦斌;傅彦凯设计研发完成，并于2023-04-19向国家知识产权局提交的专利申请。

本一种基于增量式背景建模与多目标跟踪的高空抛物检测方法在说明书摘要公布了：本发明涉及一种基于增量式背景建模与多目标跟踪的高空抛物检测方法，用于从高空视频中检测抛物物体。本方法基于增量式背景建模技术，对场景中的静态背景进行建模，动态更新背景模型，实现对光照变化、天气变化等外界因素的自适应适应。同时，本方法结合多目标跟踪技术，通过卡尔曼滤波算法对目标的状态信息进行估计和预测，进一步提高了检测精度和稳定性。本方法的创新点在于采用增量式背景建模技术和多目标跟踪技术相结合的方式，充分利用了两种技术的优点，提高了抛物物体的检测精度和稳定性，具有实际应用价值。

本发明授权一种基于增量式背景建模与多目标跟踪的高空抛物检测方法在权利要求书中公布了：1.一种基于增量式背景建模与多目标跟踪的高空抛物检测方法，其特征在于，该方法包括以下步骤： S1，初始化背景模型； S2，利用S1得到的背景模型，基于自适应学习率作用新帧，从而对背景模型进行更新，并基于自适应阈值以区分前景像素与背景像素； 步骤S2的具体实现方式如下： S201，在读取新帧前，先基于定期清除历史帧的方法清理历史帧，而后读取并插入新的视频帧，并将其转换为灰度图像： 其中代表灰度转换后灰度图像像素的灰度值，，，分别代表原图像像素的红，绿，蓝三个通道的值； S202，对于每个像素，计算其与背景模型的差异： 其中表示在t时刻之前的若干帧中的像素值的统计结果，表示在t-ks时刻之前的若干帧中的像素值的统计结果，表示灰度图像中像素的值； S203，根据步骤S202中计算出的差异值和自适应阈值，决定该像素是否为前景像素，如果，则认为该像素为前景像素； S204，根据前景像素和背景模型的更新策略，更新背景模型，假设在前帧中，像素在帧中被识别为前景像素，则前景像素比例为，定义自适应学习率和，使得当前景像素比例与的值、背景模型更新速度成反比；使得当前景像素比例与的值、背景模型更新速度成正比； S3，利用S2得到的前景像素，采用特征聚类的方法进行目标检测，提取前 景像素的特征并进行聚类操作，对于每个聚类，计算其形状特征和纹理特征， 并将其结果输出为目标检测结果； S4，利用S3得到的检测结果，采用卡尔曼滤波方法进行目标匹配，并根据 当前帧中检测到的目标位置信息和匹配结果，更新目标的状态信息； S5，根据目标物体在多个连续帧中的状态信息，判断目标物体是否需要合 并或分裂，并在合并或分裂操作后输出新的目标物体的状态信息； 所述步骤S5的具体子步骤如下； S501，取步骤S4中M帧分析后输出的目标匹配结果，使用匹配矩阵表示各个目标在相邻帧中的匹配情况； S502，根据步骤S501中的匹配矩阵，确定某个目标在相邻帧里的匹配数超过M，就将其合并为一个目标，类似地，如果在相邻帧中存在某个目标对应多个匹配的目标，匹配数超过N，就将其分裂成多个目标； S503，对于步骤S502中输出的结果，保存其状态信息； S6，对步骤S5得到的目标物体的状态信息，保存其运动视频，依据检测生 成的运动轨迹，预估计算出该目标的加速度，确认高空抛物目标，剔除非高空抛物目标。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。

以上内容由龙图腾AI智能生成。