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一种基于主动学习和神经网络的高空抛物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：CN115690692B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202211438064.0，技术领域涉及：G06V20/52；该发明授权一种基于主动学习和神经网络的高空抛物检测方法是由刘建;周云龙;段刘祺;段萌;卢中源;吴子文;陈良宇;毛江华;车杰设计研发完成，并于2022-11-16向国家知识产权局提交的专利申请。

本一种基于主动学习和神经网络的高空抛物检测方法在说明书摘要公布了：本发明公开了一种基于主动学习和神经网络的高空抛物检测方法，涉及目标检测技术领域，本发明的辨识步骤为：采集高空抛物下落物体数据、构建主动目标检测模型、进行运动物体的目标跟踪、构建图像分类神经网络模型、利用图像分类网络过滤干扰物体、排除非高空抛物的运动轨迹。本发明采用主动学习方法通过查询策略选择少量样本进行标记，从而利用标注的信息来改善预测模型；利用分类网络通过模型的训练和分类结果，将干扰物体从检测结果中过滤，可以解决高空抛物场景中对飞鸟、飞虫、树叶的误检测问题，从而降低跟踪成本。

本发明授权一种基于主动学习和神经网络的高空抛物检测方法在权利要求书中公布了：1.一种基于主动学习和神经网络的高空抛物检测方法，其特征在于，包括以下步骤： S1、采集高空抛物的下落物体数据：采集并获取真实楼宇间的视频流数据，将视频流进行抽帧并解码处理，对得到的运动物体图像帧数据进行标注； S2、构建主动目标检测模型：采用基网为ResNet-50的RetinaNet的神经网络作为目标检测器，通过基于主动学习方法的查询策略选择样本进行标记，利用标注的信息改善预测模型，具体包括以下步骤： S2-1、对运动物体的图像帧数据进行标注； S2-2、选择基网为ResNet-50的RetinaNet的神经网络作为基础检测器； S2-3、将步骤S2-1中标注好的图像帧数据输入主动学习的网络框架中； S2-4、定义主动学习器ActiveLearner，具体包括以下步骤： S2-4-1、定义模型参数和应用于请求标注的查询策略，包括以下步骤： S2-4-1-1、对于预测的boundingboxBj的紧密度定义如下； TBj＝IOUBj,Rj； 其中，Rj为当网络预测未经调整前的候选区域region； S2-4-1-2、根据样本的紧密度TBj和置信度Pmax的不同，采用如下选择策略来更新boundingbox； S2-4-1-3、通过如下公式计算当前模型对噪声的稳定度SBj； S2-4-2、使用基于不确定性的主动学习方法，返回策略选择出需要标注的数据； S2-4-3、判断模型精度是否达到要求，利用查询函数选取对提高模型精度最有用的数据进行人工标注； S2-4-4、将步骤S2-4-3中的数据按照查询标准加到训练集样本中循环查询； S2-5、应用目标检测模型获取运动目标的boundingbox； S3、进行运动物体的目标跟踪：采用动态目标跟踪算法进行预测，通过IOU匹配和级联匹配关联运动帧信息，使用滤波器进行预测和更新，得到运动目标的跟踪序号、运动轨迹以及对应帧的编号信息； S4、构建图像分类神经网络模型：进行图像分类网络模型部署，通过ImageNet和OpenImages获取数据集，对干扰物体进行分类； S5、利用图像分类网络过滤干扰物体：进行神经网络的训练和分类预测，对获取的运动目标图像进行分类网络的模型应用，根据CNN模型的分类结果，将干扰物体从输出图像中过滤； S6、排除非高空抛物的运动轨迹：对运动物体的轨迹特征设定过滤条件，根据目标的移动距离和自由落体规律来判断抛物轨迹，排除高空抛物中非正常的运动轨迹。

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。