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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利联合可见光与红外的全天时多尺度低小慢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：CN117197696B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202311250504.4，技术领域涉及：G06V20/17；该发明授权联合可见光与红外的全天时多尺度低小慢目标检测方法是由盛卫东;陈诺;安玮;李卫星;李淼设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本联合可见光与红外的全天时多尺度低小慢目标检测方法在说明书摘要公布了：本发明公开了一种联合可见光与红外的全天时多尺度低小慢目标检测方法，获取含有低小慢目标的红外序列图像或可见光序列图像；将所述红外序列图像或可见光序列图像输入多尺度单帧目标检测网络模型，提取红外序列图像或可见光序列图像中每帧图像的目标检测结果，即备选点，将时域上所有的备选点构建为点云空间；将所述点云空间输入轨迹检测网络，得到检测结果。本发明的方法可以同时适用于可见光图像和红外图像，可以将两种数据混合在一起进行训练，方便方法调整。本发明实现了全天时多尺度低小慢目标检测，具有调参简单方便、适用范围广、鲁棒性强的特点。

本发明授权联合可见光与红外的全天时多尺度低小慢目标检测方法在权利要求书中公布了：1.一种联合可见光与红外的全天时多尺度低小慢目标检测方法，其特征在于，包括以下步骤： S1、获取含有低小慢目标的红外序列图像或可见光序列图像； S2、将所述红外序列图像或可见光序列图像输入多尺度单帧目标检测网络模型，提取红外序列图像或可见光序列图像中每帧图像的目标检测结果，即备选点，将时域上所有的备选点构建为点云空间；多尺度单帧目标检测网络模型的输出是目标的检测框，检测框的中心点表示目标的位置，记作Q＝x,y，x,y分别对应图像平面上的目标中心位置坐标,检测框的面积记作S，检测框长宽比记作R,目标类别记作C，置信度记作P，最终目标的检测结果表示为Q,S,R,C,P，这个表示可以被看作是五维空间中的一个点，称这个点为备选点； S3、将所述点云空间输入轨迹检测网络，得到检测结果；其中，所述轨迹检测网络包括依次连接的特征提取层、特征聚合层和结果输出模块；所述特征提取层用于提取每个备选点的局部特征，所述特征聚合层将所有备选点的局部特征聚合为全局特征，所述结果输出模块将每个备选点的局部特征和全局特征进行拼接，形成每个备选点的最终特征，将所述最终特征经过多个全连接层即得到检测结果；轨迹检测网络的输入为S2中的点云，轨迹表示为一个N*6大小的矩阵，N表示轨迹中的备选点目标数量，6对应备选点的特征信息Q,S,R,C,P，其中Q＝x,y；轨迹检测网络输入依次经过特征提取层，特征聚合层，结果输出模块，最终对轨迹是否为真实目标进行判决，并输出检测结果；特征提取层输入为N*6的矩阵，先经过两个全连接层，特征由6维到32维再到64维，将每个点的特征由6维升高到了64维，64维特征包含了每个点的局部特征，然后再经过三个全连接层，特征由64维到256维到512维再到1024维；特征聚合层为一个最大池化操作，将N*1024的数据聚合为一个1*1024的全局特征；结果输出模块将每个点的64维局部特征和1*1024维的全局特征进行拼接，形成每个点的最终特征，然后再次经过全连接层，由N*108864+1024到N*512到N*128，最后到N*2，得到检测结果。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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。