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！

龙图腾网获悉解悠数字科技(南京)有限公司申请的专利一种基于神经网络的车辆车轴智能识别优化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：CN121095893B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202511620872.2，技术领域涉及：G06V20/54；该发明授权一种基于神经网络的车辆车轴智能识别优化方法及系统是由马若良;陶甄;曹峥;张政;王大超设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本一种基于神经网络的车辆车轴智能识别优化方法及系统在说明书摘要公布了：本发明公开了一种基于神经网络的车辆车轴智能识别优化方法及系统，属于神经网络技术领域；在ETC车道中进行图像采集，构建车辆通行图像样本集合，并建立场景标识参数，对车辆图像进行区域划分，计算遮挡修正权重；基于卷积神经网络提取多层次特征，通过邻域特征补偿模块对遮挡区进行特征补偿，形成完整的车轴候选特征图；再将候选特征图输入轻量化神经网络模型，结合浅层与深层特征的多尺度融合，并依据遮挡修正权重动态调整特征层权重，输出车轴识别结果；最后根据预设车轴配置规则库匹配车型标识，并建立样本—参数—分类映射数据集。本发明在复杂光照和遮挡条件下仍能稳定识别车轴特征，提高了ETC车道车辆识别的准确性与鲁棒性。

本发明授权一种基于神经网络的车辆车轴智能识别优化方法及系统在权利要求书中公布了：1.一种基于神经网络的车辆车轴智能识别优化方法，其特征在于，该方法包括以下步骤： 步骤S1：对ETC车道进行不间断图像采集，构建ETC车道在每个时间段内的车辆通行图像样本集合；从车辆通行图像样本中获取场景属性信息； 步骤S2：基于场景属性信息构建车辆通行图像样本的场景标识参数；对车辆通行图像样本进行边缘分割，提取车身前部区域、中部区域和后部区域，并计算车辆通行图像样本的遮挡修正权重； 步骤S3：基于车身前部区域、中部区域和后部区域，构建特征图集合；对每个车身区域的特征图生成补偿后的特征图，并沿通道维度进行拼接，构建完整的车轴候选特征图； 步骤S4：将车轴候选特征图输入轻量化神经网络模型；构建多尺度特征图集合，基于遮挡修正权重，动态调整尺度特征图，通过多尺度检测头进行车轴检测并输出车轴识别结果； 步骤S5：预设车轴配置规则库，并与车轴识别结果进行匹配，输出车型标识；将车型表示与场景标识参数和遮挡修正权重进行关联存储，构建样本—参数—分类映射数据集； 所述步骤S1的具体实施过程包括： 在ETC车道通行场景下，将一天的时间划分为若干个时间段，基于在ETC车道内布设的图像采集设备，在每个时间段内对ETC车道进行不间断图像采集，构建ETC车道在每个时间段内的车辆通行图像样本集合，记为，其中，表示ETC车道在第n个时间段内的车辆通行图像样本集合，表示ETC车道在第n个时间段内采集的第i个车辆的车辆通行图像样本； 读取车辆通行图像样本的图像元数据，从所述图像元数据中获取场景属性信息，所述场景属性信息包括光照强度、拍摄角度和背景复杂度； 所述步骤S2的具体实施过程包括： 将车辆通行图像样本的光照强度、拍摄角度和背景复杂度进行归一化处理并分别记为、和；基于光照强度、拍摄角度和背景复杂度构建车辆通行图像样本的场景标识参数，记为，其中，，将车辆通行图像样本的场景标识参数与车辆通行图像样本进行绑定； 对车辆通行图像样本进行边缘分割，提取车身前部区域、中部区域和后部区域，统计每个区域的灰度变化率和边缘强度，并基于灰度变化率和边缘强度，通过归一化加权计算出车辆通行图像样本的遮挡参数，将第h个车身区域的遮挡参数记为；基于车辆通行图像样本的场景标识参数和遮挡参数，计算车辆通行图像样本的遮挡修正权重，计算公式为：，其中，表示车辆通行图像样本的遮挡修正权重，表示预设的第h个车身区域的融合权重； 将车辆通行图像样本的遮挡修正权重与车辆通行图像样本进行绑定。

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解悠数字科技(南京)有限公司，其通讯地址为：211100 江苏省南京市江宁区秣陵街道菲尼克斯路70号开发区总部基地32栋16层(江宁开发区)；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。