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！

龙图腾网获悉大连宗益科技股份有限公司申请的专利一种基于深度学习的无源姿态监测方法及系统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：CN121259768B 。

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：202511811407.7，技术领域涉及：G06V20/54；该发明授权一种基于深度学习的无源姿态监测方法及系统是由王连军;韩雷;王鹏程;白晓明;金宪迪;徐胜献;李想设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种基于深度学习的无源姿态监测方法及系统在说明书摘要公布了：本发明涉及无源感知与行为识别技术领域，公开了一种基于深度学习的无源姿态监测方法及系统，其中一种基于深度学习的无源姿态监测方法，包括：获取多个视角摄像头采集的目标对象监测图像序列，生成多维遮挡标记张量；基于遮挡标记张量计算数据有效性权重，构建稀疏多视角观测张量；利用稀疏时序张量分解算法将观测张量分解为低秩背景张量、稀疏变化张量和噪声张量；将分解得到的低秩背景张量和稀疏观测特征输入条件变分自编码器，重建完整时序轨迹；通过物理约束优化和贝叶斯推理生成高置信度的连续姿态监测序列和渐变异常预警信号。本发明解决了在频繁遮挡条件下准确监测照明灯姿态缓慢变化的技术难题。

本发明授权一种基于深度学习的无源姿态监测方法及系统在权利要求书中公布了：1.一种基于深度学习的无源姿态监测方法，其特征在于，包括以下步骤： 获取多个视角摄像头采集的目标对象监测图像序列，识别动态遮挡区域，生成多维遮挡标记张量； 所述识别动态遮挡区域的步骤包括： 对每幅图像计算光流场，通过光流幅值阈值判断识别动态遮挡区域； 生成二值遮挡掩码，其中遮挡区域标记为1，非遮挡区域标记为0； 将所有视角和时刻的遮挡掩码组合形成多维遮挡标记张量； 基于遮挡标记张量计算数据有效性权重，构建稀疏多视角观测张量； 利用稀疏时序张量分解算法将观测张量分解为低秩背景张量、稀疏变化张量和噪声张量三个分量； 所述稀疏时序张量分解算法的目标函数定义为： 重建损失项衡量在观测位置上的拟合精度，通过投影算子仅保留观测位置的元素； 低秩约束项采用张量核范数促进背景张量的低秩结构以捕获多视角共同模式； 稀疏约束项采用L1范数促进变化张量的稀疏性以分离异常事件； 噪声正则化项采用Frobenius范数控制噪声张量的能量； 时序平滑约束项通过惩罚相邻时刻背景张量的差异确保时间维度上的连续性； 采用交替方向乘子法迭代求解，依次更新三个分量张量直至收敛； 将分解得到的低秩背景张量和稀疏观测特征输入条件变分自编码器，重建完整时序轨迹； 所述条件变分自编码器包括： 编码器将观测特征映射到隐变量分布，其中条件信息包括时段标签和姿态先验； 解码器从隐变量采样生成重建特征； 通过最大化变分下界训练模型，输出重建的完整姿态监测序列，损失函数包含重建损失和KL散度正则化项； 所述姿态先验通过长短期记忆网络处理有效观测片段的历史姿态序列获得，输出各时段的姿态先验分布参数； 基于滑动窗口分析重建轨迹计算局部姿态变化率，预测未来姿态演化趋势； 融合多视角重建结果执行交叉验证，通过物理约束优化和贝叶斯推理生成高置信度的连续姿态监测序列和渐变异常预警信号； 其中，所述稀疏时序张量分解算法通过最小化包含重建损失项、低秩约束项、稀疏约束项、噪声正则化项和时序平滑约束项的目标函数，实现对不完整观测数据的有效分解。

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大连宗益科技股份有限公司，其通讯地址为：116000 辽宁省大连市高新技术产业园区凌秀路60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。