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！

龙图腾网获悉上海建工集团股份有限公司;上海电科智能系统股份有限公司申请的专利基于深度学习和多源图像融合感知的工地动火监测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：CN115565123B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211012461.1，技术领域涉及：G06V20/52；该发明授权基于深度学习和多源图像融合感知的工地动火监测方法是由裴贞;黄毅;金光耀;徐新设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本基于深度学习和多源图像融合感知的工地动火监测方法在说明书摘要公布了：本发明公开了一种基于深度学习和多源图像融合感知的工地动火监测方法，包括如下步骤：S1.分别建立可见光和红外光下的目标检测网络；S2.将工地作业视频分别输入可见光目标检测网络和红外光目标检测网络，分别得到动火fire和人员person的边界框参数；S3.计算可见光目标检测网络与红外光目标检测网络的结果差异，与阈值进行比较，并融合检测结果；S4.判定是否存在动火和人员，记录动火和人员的相对位置。该方法能自动识别动火作业状态，有效避免因外界环境变化造成的单一图像来源检测不准的缺陷，提高动火状态识别的准确率，降低误报率，有效减少检测效果不佳的传感器对检测结果的干扰，提升工地安全能级和管理效率。

本发明授权基于深度学习和多源图像融合感知的工地动火监测方法在权利要求书中公布了：1.一种基于深度学习和多源图像融合感知的工地动火监测方法，其特征在于，包括如下步骤： S1.分别建立可见光和红外光下的目标检测网络，利用动火作业图像对目标检测网络进行训练，得到满足要求的可见光目标检测网络和红外光目标检测网络； S2.利用视频采集设备采集工地作业视频，并将工地作业视频分别输入可见光目标检测网络和红外光目标检测网络，各自识别每一帧图像中动火fire和人员person分布，分别得到动火fire和人员person的边界框参数； S3.根据步骤S2得到的目标区域的边界框参数，计算可见光目标检测网络与红外光目标检测网络的结果差异，与阈值进行比较，并融合检测结果； S4.根据步骤S3融合后的检测结果，判定是否存在动火和人员，记录动火和人员的相对位置； 其中，步骤S2得到的动火fire和人员person的边界框参数，包括四维位置参数和一维置信度参数；分别表示目标区域边界框的左边界的x坐标、右边界的x坐标、上边界的y坐标、下边界的y坐标，其中坐标原点位于输入的监控图像的左上角； 步骤S3中，计算可见光目标检测网络与红外光目标检测网络的结果差异，与阈值进行比较并融合检测结果，具体包括如下步骤： S31.边界框中心点计算：根据步骤S2中得到的可见光下和红外光下检测区域的边界框参数，分别计算各自边界框的中心点坐标和面积，计算公式如下： ； ； ； ； ； ； 其中，和分别表示可见光和红外光下目标检测网络检测到的动火和人员边界框的中心点坐标；是可见光下边界框的四维位置参数、是红外光下边界框的的四维位置参数；和分别为可见光和红外光下目标检测网络检测到的动火和人员边界框的面积； S32.边界框面积比计算：根据可见光和红外光下目标检测网络检测到的动火和人员边界框的面积，计算其占加权面积和的比例，计算公式如下： ； ； 其中和分别表示可见光和红外光下目标检测网络检测到的动火和人员边界框的面积占加权之后的面积和的比例；表示面积比的阈值；为惩罚系数； S33.融合边界框检测结果计算，根据S32得到的面积比，融合可见光和红外光下目标检测结果，得到预测的动火和人员边界框，计算公式如下： ； ； ； ； 其中和分别代表融合得到的检测结果边界框的中心坐标，和分别代表融合得到的检测结果边界框的宽度和高度。

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上海建工集团股份有限公司;上海电科智能系统股份有限公司，其通讯地址为：200120 上海市浦东新区中国(上海)自由贸易试验区福山路33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。