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！

龙图腾网获悉四川大学申请的专利一种基于视觉元素的浮放式非结构构件震害识别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：CN115588155B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202211256985.5，技术领域涉及：G06V20/40；该发明授权一种基于视觉元素的浮放式非结构构件震害识别方法是由王健泽;江永清;戴靠山;黄勤勇设计研发完成，并于2022-10-14向国家知识产权局提交的专利申请。

本一种基于视觉元素的浮放式非结构构件震害识别方法在说明书摘要公布了：本发明公开了一种基于视觉元素的浮放式非结构构件震害识别方法，属于地震工程技术领域；包括以下步骤：以双流长时序卷积视频理解模型为基础构建浮放式非结构构件的震害识别系统，该模型由三通道卷积神经网络和双向长时间序列预测模型组成；利用三通道卷积神经网络对空间时序信息进行特征提取，利用双向长时间序列预测模型进行特征图和时序信息的搭建；最后进行两种方式的特征融合，从而实现震害视频中浮放式非结构构件的类别预测和损伤状态的识别。本发明方法中将双流视频理解模型和长时序卷积处理模型相结合，利用空间信息和时序信息的特征融合，加强各个视频帧之间的信息共享与融合，对建筑物的灾后情况做出更加精确的判断。

本发明授权一种基于视觉元素的浮放式非结构构件震害识别方法在权利要求书中公布了：1.一种基于视觉元素的浮放式非结构构件震害识别方法，其特征在于：包括以下步骤： S1、构建浮放式非结构构件的震害识别系统： 以双流长时序卷积视频理解模型为基础构建浮放式非结构构件的震害识别系统，其中双流长时序卷积视频理解模型由三通道卷积神经网络和双向长时间序列预测模型两部分组成，系统包括识别模块和预训练模块； S2、采用系统中的识别模块对震害视频进行采集和预处理： 识别模块由监控视频采集单元、预处理单元、输入单元、双流长时序卷积视频理解模型和输出单元组成，通过监控视频采集单元实时采集在地震发生时建筑内部的各种浮放式非结构构件的震害视频，经存储后并实时传输到预处理单元，通过预处理单元对实时采集到的震害视频帧进行快速和慢速两种帧率的采样和去噪工作，输入单元实时传输预处理单元与双流长时序卷积视频理解模型之间的视频帧； S3、采用系统中的预训练模块对双流长时序卷积视频理解模型进行训练： 预训练模块由数据集准备、双流长时序卷积视频理解模型和模型预训练权重三部分组成，通过数据集准备将步骤S2中采集到的震害视频帧分别标记整理为带有损伤状态和类别标签的各种浮放式非结构构件视频数据集输入到双流长时序卷积视频理解模型中进行训练，获得适合该模型并具有最小损失值的最佳预训练权重； S4、在识别模块的双流长时序卷积视频理解模型中载入预训练模块中获得的最佳预训练权重，对实时采集到的震害视频帧中的浮放式非结构构件进行类别划分和损伤状态的识别： S41利用三通道卷积神经网络进行空间时序信息的特征提取： 将步骤S2中经预处理单元处理后的慢速帧率的视频帧输入到低帧率卷积神经网络中捕获空间语义信息，快速帧率的视频帧输入到高帧率卷积神经网络中以精细的时间分辨率捕获运动信息，并通过横向连接对两个分支的特征进行融合，将融合后的高层语义特征作为单独的分支前向传播，利用三通道提取到的包含空间语义信息、运动信息和融合后的高层语义特征的有效特征层共同搭建空间时序信息； S42利用双向长时间序列预测模型进行时序关系的搭建： 通过ViT模型对步骤S2中经预处理单元处理后的震害视频帧进行视觉元素的特征提取，将提取到的特征流通过双向长时间序列预测模型进行处理，采用残差连接对时序信息进行微调并且利用过去的周期性信息组成交叉信息对预测结果进行优化，利用双向长时序预测模型Autoformer对提取到的视觉特征层进行时序关系的建模； S43将有效特征层和视觉特征层输入到双流长时序卷积视频理解模型的特征融合部分进行空间和时序特征的融合： 将获取到的带有时序关系的视觉特征层用来建模时序关系，与通过三通道提取到的有效特征层进行特征融合，融合之后的特征在经过全连接层之后对各种浮放式非结构构件进行类别的划分和损伤状态的识别。

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四川大学，其通讯地址为：610065 四川省成都市一环路南一段24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。