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！

龙图腾网获悉东南大学申请的专利一种基于路侧摄像头的道路抛洒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：CN117274305B 。

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：202311181049.7，技术领域涉及：G06T7/246；该发明授权一种基于路侧摄像头的道路抛洒物检测方法是由李旭;朱建潇;徐启敏设计研发完成，并于2023-09-13向国家知识产权局提交的专利申请。

本一种基于路侧摄像头的道路抛洒物检测方法在说明书摘要公布了：本发明涉及一种基于路侧摄像头的道路抛洒物检测方法，该方法的核心在于，针对传统高斯混合模型背景建模方法对大尺度目标的建模精度问题，基于图像金字塔和自适应背景差法，设计了一种多尺度自适应道路背景建模方法，提高了原有方法在不同视频分辨率下的背景建模精度，另一方面，针对抛洒物视觉特征识别准确率不足的问题，基于视觉特征与运动特征，构建了抛洒物多层级特征筛选方法。本发明所设计的方案具有较强的尺度适应性和环境适应性，能够有效降低抛洒物误报、漏报率，提升抛洒物视觉检测系统的检测精度。

本发明授权一种基于路侧摄像头的道路抛洒物检测方法在权利要求书中公布了：1.一种基于路侧摄像头的道路抛洒物检测方法，其特征在于：所述方法包括以下步骤： 步骤一、获取路侧摄像头的视频流，建立多尺度道路背景模型，用于区分前景运动目标； 步骤二、根据步骤一中的道路背景模型和输出帧，设计自适应背景差法，获取运动前景目标； 步骤三、利用边沿提取算法，获取候选抛洒物体的二维图像边界位置，利用通用目标检测深度学习算法进行前景运动目标进行目标过滤，排除常见的车辆、行人、非机动车目标，利用跟踪算法对剩余前景目标进行跟踪，获取候选抛洒物体的运动轨迹； 步骤四：利用目标区域对比度特征、目标运动轨迹特征和跟踪时长，综合判别前景目标是否属于抛洒物体，输出最终的抛洒物体图像位置。 步骤一的详细步骤如下： 子步骤一：采集路侧摄像头的交通流视频，标记视频流原始分辨率图片集合为第一图片集合Φ1，利用下采样算法对第一图片集合Φ1进行金字塔图像集求解，分别获得Φ2，Φ3，...，ΦN，其中，Φi为第i个图片集合，N为可选常数，在保障下采样图片清晰度的前提下，取3或4，获得视频流的输出帧Φ＝{Φ1，Φ2，...，ΦN}； 子步骤二：基于子步骤一中获取的视频流输出帧Φ，初始化高斯混合模型的参数信息，为降低参数初始化过程中的运动目标干扰，设定高斯混合模型的模型个数为K，使用多帧平均值的方法作为初始化参数，多帧帧数为TK，对于t时刻输出帧Φ中的像素值Xt，第一个高斯分布函数的均值μ1与方差σ1的计算公式如下： 为提高算法初始化过程的执行速度，仅为第一个高斯分布函数分配权值w1＝1K，其他高斯分布的均值μi、方差σi及权值wi均为0； 子步骤三：设定高斯混合模型的更新方式，对所有像素点对应的高斯模型按照wi,t-1σi,t-1的方式进行排序，依据顺序，依次使用公式3直到找到其匹配的高斯分量： |Xt-μi,t-1|＜δσi,t-13 其中，δ为设定的阈值，若在所有高斯分布模型中均无法找到相应的匹配分量，则利用子步骤二中的方法重新建立排序中最后的高斯分布模型，若当前的像素点与高斯模型相匹配，那么更新第一个匹配的高斯分布的相关参数，计算公式如下： wi,t＝1-αwi,t-1+α1-c′4 μi,t＝1-ρi,t-1μi,t-1+ρi,t-1Xt5 ρi,t-1＝αwi,t-17 c′＝c·α8其中，α为模型的学习速率，α越大，表示背景模型的更新速度越快；ρi,t-1为模型的参数学习速率，c为先验的系数，除第一个匹配的高斯分布外，其余高斯分布仅更新权值，计算公式如下： wi,t＝1-αwi,t-1+αc′9 子步骤四：设定高斯混合模型的背景模型生成方法，将K个高斯模型按照权值的方式进行排序，选取前Bt个高斯模型作为背景模型的基础，Bt的计算公式如下： 其中c为背景阈值，用于描述前景目标的最大高斯分量占比； 子步骤五：获取道路背景模型，对于t时刻更新后的背景像素点像素值计算公式如下：

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路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”。

以上内容由龙图腾AI智能生成。