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！

龙图腾网获悉中交武汉智行国际工程咨询有限公司申请的专利基于语义分割的临边防护检测系统及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：CN116883929B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202310703044.X，技术领域涉及：G06V20/52；该发明授权基于语义分割的临边防护检测系统及方法是由赵璐;马飞;乐建建;张贵恩;彭华建;郭彬彬;叶立渔;康奎锁;王雪;李盼盼设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本基于语义分割的临边防护检测系统及方法在说明书摘要公布了：本发明公开了基于语义分割的临边防护检测系统，它的图片集获取模块将历史采集到的施工现场视频流数据和实时采集到的施工现场视频流数据，进行抽帧处理，得到历史图片集和实时图片集；数据预处理模块对历史图片集进行预处理；数据集划分模块将预处理后的历史图片集划分为训练集和测试集；信息标注模块对训练集和测试集中的施工人员和围栏进行像素级标注，模型训练模块将带标注信息的训练集输入到深度神经网络模型中得到完成训练的深度神经网络模型；推理模块得到实时图片集的分割结果；翻越围栏判断模块判断施工人员是否翻越围栏。本发明能提高施工人员翻越围栏识别的速度。

本发明授权基于语义分割的临边防护检测系统及方法在权利要求书中公布了：1.一种基于语义分割的临边防护检测系统，其特征在于，包括； 图片集获取模块用于将历史采集到的施工现场视频流数据和实时采集到的施工现场视频流数据，进行抽帧处理，得到历史图片集和实时图片集； 数据预处理模块用于对历史图片集进行预处理； 数据集划分模块用于将预处理后的历史图片集按预设比例划分为训练集和测试集； 信息标注模块用于对训练集和测试集中的施工人员和围栏进行像素级标注，并得到带标注信息的训练集和测试集； 模型训练模块用于将带标注信息的训练集输入到深度神经网络模型中进行训练得到完成训练的深度神经网络模型； 推理模块用于将所述实时图片集输入到完成训练的深度神经网络模型中进行训练，并将训练的结果依次进行阈值过滤、计算轮廓分数、映射到原图像操作，得到实时图片集的分割结果，实时图片集的分割结果包括施工人员图像集合和围栏图像集合； 翻越围栏判断模块用于对实时图片集的分割结果采用基于语义分割的相对位置判断算法计算施工人员和围栏的相对位置关系，并根据施工人员和围栏的相对位置关系判断施工人员是否翻越围栏； 整体神经网络架构模型采用SparseInst神经网络，该网络架构包括主干网络、编码器和解码器三部分，其中主干网络用于特征提取，采用金字塔网络将带标注信息的训练集中的图像变为预设的三种不同大小的特征图；并针对预设的三种不同大小的特征图设定通道数，主干网络得到的三种不同大小的特征图传给编码器做编码处理，编码器采用金字塔池化模块、重构特征金字塔，最终产生融合了不同尺度特征，携带了可区分的信息的特征图C和对应的位置特征图； 解码器将融合了不同尺度特征，携带了可区分的信息的特征图C和位置特征图进行Concatenate操作，得到特征图C'，然后将特征图C'输入到掩码分支和实例分支，其中掩码分支用来预测施工人员和围栏轮廓，实例分支用来预测对象置信度、实例类别置信度，对象置信度表示识别出来的是一个对象的概率，实例类别置信度表示属于人、围栏的概率，首先识别出对象，然后在基于对象的基础上，识别出是人或围栏； 整体神经网络架构模型的损失函数L定义如下： L＝λc*Lcls+Lmask+λs*Ls 其中，Lcls是分类损失，Lmask是物体轮廓损失，Ls表示目标IOU二进制交叉熵损失，λc表示平衡前景超参数，λs表示平衡背景超参数； 推理模块将实时图片集输入到完成训练的深度神经网络模型中进行训练，输出掩码及所属类别分数； 通过分类阈值过滤掉分数低于分类阈值的掩码，选中分数最大的掩码和对应分数，判断是否大于掩码阈值，保留阈值之上的掩码，并重新计算掩码之上的类别分数，过滤掉置信度阈值之下的掩码，进行上采样处理使得掩码大小和输入图像大小一致，将掩码映射回原图像，最终得到的掩码即为实时图片集的分割结果。

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交武汉智行国际工程咨询有限公司，其通讯地址为：430014 湖北省武汉市经济技术开发区蔷薇路668号华中中交城A区17层；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。