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！

龙图腾网获悉江苏省特种设备安全监督检验研究院;南京理工大学申请的专利一种基于多尺度深度特征融合的流体金字塔电梯异物检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：CN121191098B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511725360.2，技术领域涉及：G06V20/52；该发明授权一种基于多尺度深度特征融合的流体金字塔电梯异物检测方法是由郭新宇;邱一程;郭唐仪;张健;徐翔;王太鹏;张鹏;苏航设计研发完成，并于2025-11-24向国家知识产权局提交的专利申请。

本一种基于多尺度深度特征融合的流体金字塔电梯异物检测方法在说明书摘要公布了：本发明提出了一种基于多尺度深度特征融合的流体金字塔电梯异物检测方法。该方法利用Faster‑RCNN算法检测电梯轿厢内是否有人，判断电梯的空置状态；在电梯空置时，以空置电梯图像为参考，从待检测视频中提取无乘客的关键帧作为查询图像；设计孪生网络分别提取参考图像和查询图像的特征，并进行特征融合；基于流体金字塔网络对深度网络的多层特征进行多尺度特征融合，精准检测出异物区域。有效提高了异物检测的精度和抗噪能力，能够准确识别电梯内的积水、垃圾、油污等异物，为电梯安全运行提供有力保障。

本发明授权一种基于多尺度深度特征融合的流体金字塔电梯异物检测方法在权利要求书中公布了：1.一种基于多尺度深度特征融合的流体金字塔电梯异物检测方法，其特征在于，包括： S1:将连续设定帧电梯图像输入空载检测模型进行检测，获得每帧图像是否有乘客的检测结果及相应置信度，当连续设定帧图像的检测结果及置信度满足设定条件时，进行步骤S2，所述设定条件是指当3帧检测结果均为无乘客，且每帧的无乘客置信度0.9； S2:从连续设定帧图像中选取清晰度最高的帧作为参考图像；从当前时刻实时采集到的最新待检测的帧图像作为查询图像；将参考图像与查询图像输入训练好的异物检测模型，获得异物检测结果，所述异物检测模型包括双分支孪生网络、初步特征融合模块、FPN-S网络、异物分类与定位模块； 所述双分支孪生网络分别提取参考图像与查询图像的多尺度特征图，并将查询图像的多尺度特征图与参考图像的多尺度特征图进行对齐； 所述初步特征融合模块用于将查询图像的多尺度特征图与参考图像的多尺度特征图一一对应拼接并将拼接后的多尺度特征图与权重图相乘，获得多尺度的初步融合特征； 所述FPN-S网络用于对多尺度的初步融合特征进行融合，获得最终融合特征，具体过程为： 对多尺度的初步融合特征中的最深层特征进行双线性插值上采样后和同尺度的初步融合特征分别通过1×1卷积统一通道数，获得对应的第一尺度特征和第二尺度特征； 对第一尺度特征和第二尺度特征分别使用1×1卷积生成第一动态权重和第二动态权重，并对第一动态权重和第二动态权重进行Softmax归一化，使得第一动态权重和第二动态权重的和为1；利用第一动态权重和第二动态权重对第一尺度特征和第二尺度特征进行加权求和获得新的最深层特征； 对新的最深层特征重复上述过程，直至与所有尺度的初步融合特征完成融合，获得最终融合特征； 所述异物分类与定位模块用于根据最终融合特征实现异物检测，获得异物检测框，所述异物分类与定位模块包括分类分支和回归分支，所述分类分支包含2个3×3卷积层和1个1×1卷积层，最终融合特征Ffinal先经由两个3x3卷积层对特征图进行特征的提取与深化，再经过1×1卷积层将特征映射为类别预测，每个位置预测9个锚框的类别分数；此1×1卷积层的输出为一个160×160×9的特征图，代表了每个位置9个锚框分别属于各个异物类别的原始分数；最后，将此160×160×9的特征图在通道维度应用Softmax函数，将原始分数转换为概率，使得每个锚框的各类别概率之和为1，最终输出一个160×160×9的类别概率图； 所述回归分支包含2个3×3卷积层和1个1×1卷积层，第一个3×3卷积层提取适用于位置回归的特征，第二个3×3卷积层进一步优化位置回归特征，最后由1×1卷积层完成对应边界框的4个坐标偏移量Δxmin、Δymin、Δxmax、Δymax；输出一个160×160×36的边界框偏移量张量； 将回归分支预测的4个坐标偏移量应用于对应的预设锚框，计算出最终的预测边界框在实际图像中的坐标。

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江苏省特种设备安全监督检验研究院;南京理工大学，其通讯地址为：210036 江苏省南京市鼓楼区草场门大街107号龙江大厦；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。