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！

龙图腾网获悉淮阴工学院申请的专利基于多光谱目标检测的跨模态融合模型的人员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：CN117115513B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310964660.0，技术领域涉及：G06V10/764；该发明授权基于多光谱目标检测的跨模态融合模型的人员检测方法是由何艳婷;张海燕;王媛媛;黄佳泷;宋照渝;严少峰;朱俊勋;王梅峰;高尚兵;任珂;刘步实;李亚州设计研发完成，并于2023-08-01向国家知识产权局提交的专利申请。

本基于多光谱目标检测的跨模态融合模型的人员检测方法在说明书摘要公布了：本发明公开了一种基于多光谱目标检测的跨模态融合模型的人员检测方法，首先收集复杂情景下的人员图像数据，并对其进行分类和标记构建数据集。数据集预处理。设计双流检测模型，其中包括双流特征提取网络和CFT模块。通过使用FasterR‑CNN作为基础检测器来检测基本特征，并引入另外一个分支作为红外特征的检测分支，以此构建双流卷积神经网络。引入CFT模块使网络能够更加关注两个分支中相关性和重要性较高的细粒度特征，减少冗余信息的影响。与现有技术相比，本发明双流检测模型并使用CFT模块作为分支间信息融合的通道，有效提升了整体检测模型的准确率和泛化能力，适用于各种复杂场景下的人员监测任务，为人员检测提供了一种可行且高效的技术方案。

本发明授权基于多光谱目标检测的跨模态融合模型的人员检测方法在权利要求书中公布了：1.一种基于多光谱目标检测的跨模态融合模型的人员检测方法，其特征在于，包括如下步骤： 步骤1：采集各种复杂情况下的人员图像并进行分类、人工标注，制作成自建数据集；对自建数据集原始图片进行预处理，将处理后的图片按照一定的比例划分为训练集和验证集； 步骤2：搭建双流检测网络，构建CFT模块作为两个分支的融合模块并设计损失函数；所述双流检测网络采用残差神经网络ResNet作为主干网络，包括RGB分支和Thermal分支，所述CFT模块用以融合RGB分支和Thermal分支的特征，并找出两个分支之间的潜在联系； 所述RGB分支以FasterRCNN模型为基础，在此基础上去除FasterRCNN模型中最后五层最大池化层和全联接层，并将特征提取层最后四个14x14conv2d,512换成空洞卷积DConv2d； 所述Thermal分支在VGG模型基础上，将其中起分类作用的线性层、Dropout层删除，只采用模型中的特征提取层，并且修改其中卷积的步长和Padding，使经过每个卷积层后图像大小不发生变化，而后将改变图像大小的任务交给池化层，具体Padding大小如下： Wout＝Win-F+2PS+1 Hout＝Hin-F+2PS+1 其中，Wout为输出图像宽度，Win为输入图像宽度，Hin为输入图像高度，Hout为输出图像高度，F为卷积核大小，S为步幅，P为填充大小； 设计双流检测网络的损失函数，由于双流模型是跨模态的融合模型，损失函数包括边界框损失Lbox，分类损失Lcls和置信度损失Lconf，根据如下公式进行计算总损失Ltotal： Ltotal＝Lbox+Lcls+Lconf＝Lbox+Lcls+Lnoobj+Lobj Lcls＝-∑yi*logpi 其中，Lbox采用广义IOU损失，代表第i个网格的第j个预测框obj是否为正样本，Lcls采用交叉熵损失函数，y代表真实的值，p代表模型预测出的概率值，Lnoobj、Lobj采用均方误差； 步骤3：将公共数据集的图片输入到双流检测网络的骨干网络中进行层次化的特征提取然后输入双流检测网络中进行细致特征提取和特征融合，将提取结果输入MLP中得到分类结果和预测结果，经过多次的迭代得到最好的预训练权重，并放在公共数据集的测试集中测试效果； 步骤4：处理公共数据集中得到的训练权重，使其适应自建数据集，在预训练权重的基础上经过多次迭代，得到最好的训练权重； 步骤5：利用训练好的权重进行预测并将预测结果可视化。

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淮阴工学院，其通讯地址为：223400 江苏省淮安市涟水县海安路10号安东大厦8楼；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。