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！

龙图腾网获悉中国矿业大学申请的专利一种应用在低照度环境下的煤矿井下人员动作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：CN115984958B 。

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：202211631477.0，技术领域涉及：G06V40/20；该发明授权一种应用在低照度环境下的煤矿井下人员动作识别方法是由刘佰龙;胡浩;张磊;梁志贞;邓宇帆;许昱林设计研发完成，并于2022-12-19向国家知识产权局提交的专利申请。

本一种应用在低照度环境下的煤矿井下人员动作识别方法在说明书摘要公布了：一种应用在低照度环境下的煤矿井下人员动作识别方法，属于视频识别领域。将煤矿井下低照度环境中人员作业的视频数据重采样后，经过风格转换模块，把低照度下的视频数据转换为正常光下的视频数据；再经过全局特征提取模块提取视频帧序列的全局时空特征；再经过目标检测模块检测视频中的人员，从视频帧序列中提取人员动作管道的特征表示；最后将管道特征分别经过回归模块和动作分类模块，计算每个管道的位置和属于每个动作的概率。优点：风格转换模块不需要成对的数据进行训练，降低了数据获取的难度；在目标检测模块中，将视频的目标检测转换为一组集合预测，不需要任何的先验知识和后续处理，实现端到端的检测视频中的人员。

本发明授权一种应用在低照度环境下的煤矿井下人员动作识别方法在权利要求书中公布了：1.一种应用在低照度环境下的煤矿井下人员动作识别方法，其特征在于：该方法利用煤矿井下人员作业的视频数据，实现在低照度环境下的人员动作识别；所述的动作识别方法包括：风格转换模块、全局特征提取模块、目标检测模块、动作分类模块和回归模块； 将视频数据重采样后，经过风格转换模块，把低照度下的视频数据转换为正常光下的视频数据；再经过全局特征提取模块提取视频帧序列的全局时空特征；再经过目标检测模块检测视频中的人员，从视频帧序列中提取人员动作管道的特征表示；最后将管道特征分别经过回归模块和动作分类模块，计算每个管道的位置和属于每个动作的概率； 具体步骤如下： 步骤1：采集煤矿井下摄像头采集的视频数据，进行重采样，得到预处理后的视频数据； 步骤2：将步骤1得到的预处理后视频数据通过风格转换模块，得到正常光下视频数据； 步骤3：将步骤2中得到的正常光下视频数据通过全局时空特征提取模块，提取全局时空特征； 步骤4：将步骤3中得到的全局时空特征通过目标检测模块，得到一组特定的管道特征； 步骤5：将步骤4中得到的特定的管道特征通过动作分类模块和回归模块，计算每个管道的位置和属于每个动作的概率； 步骤6：将步骤2中得到的正常光下视频数据分成训练样本和测试样本，使用设计的损失函数来训练所属应用在低照度环境下的动作识别模型； 在步骤2中，使用风格转换模块对步骤1得到的预处理后视频数据U0进行风格转换，实现暗光下的视频转换为正常光下的视频U1； 所述风格转换模块由改进的CycleGAN组成，使用该模块对视频数据进行风格转换，将暗光下的视频转换为正常光下的视频，丰富视频中人物和场景的信息，使得检测任务和分类任务更加准确； CycleGAN是一种学习将图像从源域转换到目标域的方法；CycleGAN包含两组生成对抗网络；每组生成对抗网络包含一个生成器和一个鉴别器；生成器和鉴别器组成翻译器，将图像从X域翻译到Y域，反之亦然；采用二组实现，第一组生成对抗网络由煤矿井下暗光的视频图像生成正常光下的视频图像的网络，包括生成器网络Gvt和鉴别器网络Dvt；第二组生成对抗网络由正常光下的视频图像生成煤矿井下暗光的视频图像，包括生成器网络Gtv和鉴别器网络Dtv； CycleGAN的网络结构中，生成器的编码解码结构网络，利用ResNet50网络的特征提取层作为编码网络，利用对应的反卷积网络作为解码网络；鉴别器采用VGG19网络结构；网络的输出包括判断真假的分支和分类的分支，用于图像生成真实的对应模态的图像，并且身份标签不发生改变； CycleGAN网络的损失函数由两部分组成，即Loss＝LossGAN+Losscycle，其中LossGAN保证生成器和判别器相互进化，进而保证生成器能产生更真实的图片；Losscycle保证生成器的输出图片与输入图片风格不同，而内容相同；LossGAN和Losscycle具体为： 为了保证迁移后的图像和原图像在颜色和边缘纹理结构上保持相似，在原CycleGAN网络损失函数的基础上加上结构损失，表示为 所述结构损失可表示为： 所述为结构相似性损失函数，它可以衡量两个图像的相似度，可表示为： 其中，μx，μy为像素值的期望，σx，σy为像素值的方差，σxy为协方差，c1，c2为常数； 所述为多尺度结构相似性损失函数，它能保留图像的边缘和细节，可表示为： 其中βm，γm表示两项之间的相对重要性。

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矿业大学，其通讯地址为：221116 江苏省徐州市大学路1号中国矿业大学；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。