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！

龙图腾网获悉合肥工业大学申请的专利融合泊车场景中视觉失效模式的智能感知方法、设备及介质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：CN116030268B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202310033005.3，技术领域涉及：G06V10/44；该发明授权融合泊车场景中视觉失效模式的智能感知方法、设备及介质是由张炳力;梅炜炜设计研发完成，并于2023-01-10向国家知识产权局提交的专利申请。

本融合泊车场景中视觉失效模式的智能感知方法、设备及介质在说明书摘要公布了：本发明公开了一种融合泊车场景中视觉失效模式的智能感知方法、设备及介质，该方法的步骤包括：1获取具有连续或等间隔帧的鱼眼图像数据；2建立时空融合检测模型；3建立基于AI的多场景数据的分类网络模型；4利用建立好的模型实现预测，以达到失效模式检测的目的。本发明能克服端侧有限硬件资源条件下单一传统算法鲁棒性较低和AI预测时效性较差的难题，数据在时间、空间上进行像素级、特征级和决策级的多级融合检测，从而能实现对视觉失效模式进行实时精确智能感知。

本发明授权融合泊车场景中视觉失效模式的智能感知方法、设备及介质在权利要求书中公布了：1.一种融合泊车场景中视觉失效模式的智能感知方法，其特征在于，是用于对视觉失效模式进行检测，所述视觉失效模式是指图像在局部区域或者全图表现为模糊或全黑，并将模糊或全黑的局部区域或全图即为失效区域，所述智能感知方法是按如下步骤进行： 步骤1、通过四路车载相机拍摄有重叠的环视图像数据并进行标定，得到四路环视图像数据的像素级重叠区域； 从同一路环视图像数据中采集N帧鱼眼图像序列进行预处理，预处理采用灰度化和中值滤波算法，得到预处理后的样本集记为S＝{S1,S2,...,Sn,...,SN}；Sn表示第n帧预处理后的图像； 步骤2、建立时空融合的检测模型，包括：帧间相关性特征提取模块、帧间梯度偏差提取模块、帧间信息熵提取模块、空间域多特征融合模块和多目视觉融合模块；其中，所述帧间相关性特征提取模块由动态均值计算层和动态方差计算层组成；所述帧间梯度偏差提取模块包含梯度卷积层； 步骤2.1、所述帧间相关性特征提取模块通过遍历多帧图像的像素在时间维上的离散程度，对失效区域进行特征建模，得到图像Sn中像素坐标i，j处的离散特征矢量Ti,j； 步骤2.2、所述帧间梯度偏差提取模块通过时间采样操作产生动态背景图像序列，再由梯度卷积层完成静态梯度显著性建模，并得到多特征矢量Hi,j； 步骤2.3、基于帧间信息熵提取模块通过时间采样操作产生动态背景图像序列，再由信息熵增图完成熵增显著性建模，并得到第n帧图像Sn像素坐标i，j处的信息熵增特征infni,j； 步骤2.4、空间域多特征融合模块将多特征矢量Hi,j和信息熵增特征Infi,j输入SVM分类器中进行训练，并生成二分类模型，从而利用所述二分类模型输出像素级的二值化图，所述二值化图经过形态学处理后，得到失效区域A的检测结果； 步骤2.5、若失效区域A的检测结果为真，则执行步骤2.6；若失效区域A的检测结果为假，则表示相应一路车载相机工作正常，并对下一路环视图像数据进行处理； 步骤2.6、所述多目视觉融合模块判断所述失效区域是否在重叠区域或与重叠区域相交，若是，则执行步骤2.7；否则，表示失效区域A所对应的一路车载相机工作异常，并执行步骤3； 步骤2.7、调取另一路重叠区域的环视图像数据并进行预处理后输入所述时空融合的检测模型中进行处理，得到另一路失效区域B的检测结果； 若另一路失效区域B的检测结果为真，则表示失效区域A为外在场景导致，失效区域A所对应的一路车载相机工作正常，并对下一路环视图像数据进行处理； 若另一路失效区域B的检测结果为假，则表示失效区域A为镜头失效所致，失效区域A所对应的一路车载相机工作异常，并执行步骤3； 步骤3、建立基于AI的多场景数据的分类网络模型，用于对时空融合的检测模型输出的失效区域所对应的图像进行确认； 步骤3.1、构建分类网络模型，包括：第一层的卷积层，第二层的最大池化层，第三层的第一下采样模块和第一基础模块层；第四层的第二下采样模块和三个基础模块层，第五层的第三下采样模块和第五基础模块层，第六层的卷积层，第七层为全局池化层，最后一层为全连接层；其中，所述基础模块通过残差卷积层输出尺度不变的特征图，下采样模块用于输出两维尺寸缩小一半的特征图； 步骤3.2、获取失效图像并输入分类网络模型中的各个层依次进行处理，得到预测概率，用于构建交叉熵损失函数； 步骤3.3、利用梯度下降法对所述分类网络模型进行训练，并计算所述叉熵损失函数以更新模型参数，直到叉熵损失函数收敛为止，从而得到训练好的分类网络模型； 步骤3.4、利用训练好的分类网络模型对失效区域A所对应的第N帧预处理后的图像SN进行预测，得到预测的失效概率； 步骤3.5将预测的失效概率与阈值M进行比较，若大于阈值M，则表示失效区域A所对应的一路车载相机工作异常，并进行提示，否则，表示失效区域A所对应的一路车载相机工作正常。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。