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！

龙图腾网获悉浙江科技学院申请的专利一种人体目标识别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：CN114913454B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202210469223.7，技术领域涉及：G06V20/40；该发明授权一种人体目标识别方法及系统是由黄炳强;项新建;潘磊;厉阳设计研发完成，并于2022-04-28向国家知识产权局提交的专利申请。

本一种人体目标识别方法及系统在说明书摘要公布了：本发明提供一种人体目标识别方法系及系统，采用改进的轻量型Yolov5s网络目标检测模型，方法包括以下步骤：实时采集人体目标运动视频，人体目标运动视频中每一帧原始人体目标运动图片输入模型；进行预处理；进行多尺度融合；构建Ciou损失函数CiouLoss和宽高比例γ函数，评估所述多尺度融合后的预测框内图像与真实框内图像的人体目标识别定位效果，若CiouLoss＜0.2且γ＜0.03则完成人体目标识别，并输出得到识别的人体目标图像，否则重复上述步骤。本发明能够有效降低人体目标识别检测的计算量的同时，又能够具有较高的精准率和召回率；本发明方法改进的Yolov5s模型在精度、召回率、检测速度、GPU性能上均有提升。

本发明授权一种人体目标识别方法及系统在权利要求书中公布了：1.一种人体目标识别方法，采用改进的轻量型Yolov5s网络目标检测模型，其特征在于，所述方法包括以下步骤： 1实时采集人体目标运动视频，所述人体目标运动视频中每一帧原始人体目标运动图片输入模型； 2对所述原始人体目标运动图片进行预处理； 3对所述步骤2得到的预处理后的人体目标运动图片进行多尺度融合； 4构建Ciou损失函数和宽高比例函数； 5评估所述步骤3多尺度融合后的预测框内图像与真实框内图像的人体目标识别定位的建Ciou损失函数值和宽高比例函数值，若且则完成人体目标识别，并输出得到识别的人体目标图像，否则重复所述步骤1-3； 所述步骤2中对所述原始人体目标运动图片进行预处理包括： 2.1对所述步骤1采集到的大小为X×X×3的原始人体目标运动图片降维，得到大小为的特征图，将所述原始人体目标运动图片上的信息保存在通道数上； 2.2对所述2.1步骤得到的图片进行二分组卷积，拼接得到主干最终特征图； 2.3对所述步骤2.2拼接得到的最终特征图进行深度可分离卷积和分组数为g组的分组卷积，通过加乘的分解步骤减少整体网络的参量数； 2.4重复所述步骤2.2-2.3两次，完成对所述原始人体目标运动图片的预处理； 所述步骤3中对所述步骤2得到的预处理后的人体目标运动图片进行多尺度融合包括以下步骤： 3.1对预处理后的人体目标运动图片进行二分组卷积，拼接得到Neck特征处理最终特征图； 3.2使用不同尺寸的池化窗口分别对数据进行池化，然后再对不同池化窗口的池化结果进行拼接，进行多尺度融合； 3.3对所述步骤3.2多尺度融合后的图像进行深度可分离卷积和分组数为g组的分组卷积，通过加乘的分解步骤减少整体网络的参量数； 3.4对所述3.3步骤处理后得到的图片同时使用均值池化和最大值池化，构建CBAM卷积注意池化模型，将所述步骤3.3处理后大小为H×W×C的输入特征图池化为大小为H×W×1的输出特征图； 3.5对所述步骤3.4得到的池化为H×W×1的输出特征图进行普通卷积后输出； CBAM卷积注意池化模型相对于压缩与激励网络SElayer，额外引入空间注意力机制，由两个步骤构成，分别是通道注意力机制和空间注意力机制；所述通道注意力机制，意在对于每个特征图上的像素值的加权，将每张特征图池化，注重一维数据的加权；而空间注意力机制转向二维位置上的学习优化，同时使用均值池化和最大值池化将H×W×C的输入特征图池化为H×W×1的输出特征； 所述空间注意力机制将原有的特征图处理后得到的两个1维特征图融合为2维特征图，2维特征图经过卷积操作生成通道数为1维的特征图，最后加权至原来的特征图中，以实现2维位置上的优化。

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浙江科技学院，其通讯地址为：310023 浙江省杭州市留和路318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。