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！

龙图腾网获悉华南理工大学;广东省科学院智能制造研究所申请的专利一种低分辨率实时关键信息检测与保护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：CN120032099B 。

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：202510037279.9，技术领域涉及：G06V10/25；该发明授权一种低分辨率实时关键信息检测与保护方法是由张浪文;门子涵;谢巍;曹永军;钟震宇;梁佳楠设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种低分辨率实时关键信息检测与保护方法在说明书摘要公布了：本发明公开了一种低分辨率实时关键信息检测与保护方法，包括：使用网络摄像头获取的图像；使用ShuffleNetV2作为主干网络提取采样，使用Ge‑FusionFPN模块进行多尺度特征融合，以及FCOS目标检测头，同时使用数据蒸馏与高分辨率预训练的方法，提升模型在低分辨率下的检测精确度；同时使用混沌加密的方案，对检测到的关键信息区域，进行加密，并融合到原始图像上。应用本发明技术方案，可以提升低分辨率下的目标检测速度与精度，可以应用于智能安防领域并提升网络摄像头的隐私性能。本发明通过引入混沌加密的方法，对检测图像进行实时的关键信息保护，提高了安全性。

本发明授权一种低分辨率实时关键信息检测与保护方法在权利要求书中公布了：1.一种低分辨率实时关键信息检测与保护方法，其特征在于，包括以下步骤： 1、使用网络摄像头获取的图像； 2、将网络摄像头获取的图像输入训练好的目标检测模型，目标检测模型提取并融合特征，分别输出不同尺度的类别与检测框区域； 所述目标检测模型为低分辨率实时目标检测模型LRRT-Det，包括特征提取主干网络ShuffleNetV2、基于注意力融合的广义特征金字塔GeFusion-FPN网络、全卷积单阶段FCOS目标检测头； 目标检测模型的训练包括以下步骤： S1、使用原始数据集的高分辨率图像逐级训练LRRT-Det模型； S2、使用高分辨率图像以及大型目标检测模型Yolov11进行数据蒸馏： 步骤S1中，首先在图像输入为416x416的尺度下训练LRRT-Det模型获得训练参数，使用获得的训练参数初始化目标检测LRRT-Det模型，指导320x320图像输入LRRT-Det下的训练； 步骤S2中的数据蒸馏：使用Coco2017与Widerface数据集训练640x640图像输入尺度下的Yolov11模型，将Yolov11模型的输出作为软标签，软标签不仅包括目标类别的概率分布，还包含每个类别之间的相对关系，从而为学生模型提供更多的学习信息； 教师模型通过Softmax操作输出每个目标的类别概率分布与检测框坐标，学生模型通过最小化损失函数，达到最好的检测效果，利用目标检测的硬标签和软标签，将这两者的损失进行加权结合； 3、使用混沌加密对检测框中的内容进行实时信息加密，同时将加密区域坐标信息嵌入图像的未加密区域，加密步骤为：对每一个大小为w*h的检测框，分别是检测框区域的行数与列数，首先根据检测的类别关联不同的密钥，然后利用混沌序列迭代，将序列分为置乱部分与扩散部分，使用初等矩阵行列变换的方法置乱图像，使用异或的方法对像素进行扩散处理，最后将加密后图像替换检测框在原图的位置。

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华南理工大学;广东省科学院智能制造研究所，其通讯地址为：510640 广东省广州市天河区五山路381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。