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！

龙图腾网获悉石家庄铁道大学申请的专利一种多模态数据融合的弱光环境下行人目标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：CN121033802B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511083634.2，技术领域涉及：G06V20/58；该发明授权一种多模态数据融合的弱光环境下行人目标识别方法是由王雪玮;付润华;梁晓;李韶华;李博;杨瑞涛设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种多模态数据融合的弱光环境下行人目标识别方法在说明书摘要公布了：本发明公开一种多模态数据融合的弱光环境下行人目标识别方法，涉及智能车辆自动驾驶技术领域，以解决现有技术在弱光环境下目标检测效果不佳的问题。该方法包括：构建包含行人和车辆的交通场景数据库，数据库包括红外图像和可见光图像；将红外图像和可见光图像进行特征配准和时空对齐，并按比例划分为训练集、验证集和测试集；提供基于多模态数据融合的双分支目标检测网络，以训练集作为输入对双分支目标监测网络进行训练，得到适应弱光环境的DarkRGBT‑YOLO网络模型；将测试集输入至DarkRGBT‑YOLO网络模型中对目标进行检测，得到检测结果；根据检测结果对图像中的每个行人目标分析出位置风险得分和距离风险得分，将位置风险得分和距离风险得分相加得到总风险评估结果。

本发明授权一种多模态数据融合的弱光环境下行人目标识别方法在权利要求书中公布了：1.一种多模态数据融合的弱光环境下行人目标识别方法，其特征在于，包括： 构建包含行人和车辆的交通场景数据库，所述数据库包括红外图像和可见光图像；将所述红外图像和可见光图像进行特征配准和时空对齐，并按比例划分为训练集、验证集和测试集； 提供基于多模态数据融合的双分支目标检测网络，以所述训练集作为输入对所述双分支目标检测网络进行训练，得到适应弱光环境的DarkRGBT-YOLO网络模型；所述DarkRGBT-YOLO网络模型包括多模态融合模块MFM、双分支主干模块、多尺度特征聚合金字塔模块以及模型轻量化设计； 所述多模态融合模块MFM用于将所述红外图像和可见光图像压缩50%，对压缩后的红外图像和可见光图像进行主路卷积操作和mask操作，生成与所述红外图像和可见光图像形态相同的mask图像，并与所述红外图像和可见光图像逐像素相乘，提取出第一特征；对缩放后的红外图像和可见光图像进行支路卷积操作和施加CBAM注意力模块，提取出第二特征；将所述第一特征与所述第二特征相加，得到融合特征，将所述融合特征与原始的所述红外图像和可见光图像进行通道方向的拼接，并通过SEBlock模块进行通道注意力增强，得到融合后的多模态特征图； 所述双分支主干模块包括CBLiner子模块和CBFuse子模块，用于将特征提取分支所提取得到的特征进行多维度、多层级的特征信息整合，并作为特征融合分支的输入；所述CBLiner子模块用于将输入的特征图借助卷积层映射到多个输出通道中，以体现出不同的特征维度；所述CBFuse子模块用于通过插值操作把不同尺寸的特征图对齐，然后通过求和融合操作将不同尺寸的特征图进行合并； 所述多尺度特征聚合金字塔模块包括CARAFE子模块和C2f-SWC子模块，用于将不同尺度的特征信息进行随机融合；所述CARAFE子模块用于通过为每个像素动态生成适应性重组核的方式，对上采样过程进行优化；所述C2f-SWC子模块用于通过位移卷积捕捉远距离特征关系； 所述模型轻量化设计采用GhostConv作为所述DarkRGBT-YOLO网络模型的下采样卷积层；采用C2f-Faster作为所述双分支主干模块的特征提取和特征融合模块； 将所述测试集输入至所述DarkRGBT-YOLO网络模型中，对图像中的行人目标进行检测，得到检测结果；根据所述检测结果对图像中的每个行人目标分析出位置风险得分和距离风险得分，将所述位置风险得分和所述距离风险得分相加得到总风险评估结果。

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石家庄铁道大学，其通讯地址为：050043 河北省石家庄市长安区北二环东路17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。