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！

龙图腾网获悉宁波大学申请的专利基于特征聚类的建筑楼层识别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：CN120726360B 。

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：202510861341.6，技术领域涉及：G06V10/762；该发明授权基于特征聚类的建筑楼层识别方法是由丁沈昊;杨锋;梅哲源;夏韦;高琳琳设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本基于特征聚类的建筑楼层识别方法在说明书摘要公布了：本发明涉及基于特征聚类的建筑楼层识别方法，包括：将待识别建筑物图像输入到YOLO检测网络中，生成建筑候选框集合，获取建筑候选框集合中检测框中心点与待识别建筑物图像几何中心的欧式距离的最小值，将其所对应的检测框作为主建筑检测区域；根据主建筑检测区域对待识别建筑物图像进行裁剪，得到主建筑物图像，将主建筑物图像输入到YOLO检测网络中，得到主建筑物外部特征的边界框集合S；对S进行聚类分析，计算聚类集合中的每一列的边界框数量，将边界框数量最大值作为待识别建筑物的楼层数。该方法无需获取遥感影像，只需要采用图像处理的方式，即获取待识别建筑物的楼层数，该方法容易实现且识别准确率高。

本发明授权基于特征聚类的建筑楼层识别方法在权利要求书中公布了：1.基于特征聚类的建筑楼层识别方法，其特征在于包括如下步骤： 步骤1、获取待识别建筑物图像； 步骤2、将待识别建筑物图像输入到YOLO检测网络中，生成建筑候选框集合，并计算建筑候选框集合中各个检测框中心点与待识别建筑物图像的几何中心的欧式距离，选出所有欧式距离中的最小值，将该最小值所对应的检测框作为主建筑检测区域； 步骤3、根据主建筑检测区域对待识别建筑物图像进行裁剪，得到主建筑物图像，将主建筑物图像输入到YOLO检测网络中，得到主建筑物外部特征的边界框集合S； 步骤4、对主建筑物外部特征的边界框集合S进行聚类分析，得到聚类集合C； 聚类分析的具体过程为： 步骤4-1、将主建筑物外部特征的边界框集合S中的所有边界框按照边界框的中心点纵坐标从大到小的顺序进行排序，挑选出排序后的第一个边界框作为边界框w，并从主建筑物外部特征的边界框集合S中删除选出的边界框w，将该边界框w加入至当前列簇D中，初始状态下当前列簇D为空集； 步骤4-2、判断当前主建筑物外部特征的边界框集合S是否为空集，如是，则得到聚类集合C，并转入到步骤5；如否，则使用当前主建筑物外部特征的边界框集合S为选出的边界框w生成邻接边界框集合A，该邻接边界框集合A为由当前主建筑物外部特征的边界框集合S中与选出的边界框w有邻接关系的边界框组成的集合，并转入到步骤4-3； 步骤4-3、判断邻接边界框集合A是否为空集，如是，则将当前列簇D加入至聚类集合C中，成为新的聚类集合C，并转入到步骤4-1；如否，则将邻接边界框集合A中的所有边界框按照边界框的中心点纵坐标从大到小的顺序进行排序，并使用排序后的第一个边界框更新边界框w，将更新后的边界框w加入到当前列簇D中，更新当前列簇D，并转入到步骤4-4； 步骤4-4、从主建筑物外部特征的边界框集合S中删除更新后的边界框w，并转入到步骤4-2； 步骤5、计算聚类集合C中的每一列的边界框数量，并将边界框数量最大值作为待识别建筑物的楼层数。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。