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！

龙图腾网获悉陕西皓鲸信息科技有限责任公司申请的专利一种基于深度学习的视频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：CN121545105B 。

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：202610056875.6，技术领域涉及：G06V20/40；该发明授权一种基于深度学习的视频目标识别方法及系统是由崔金明;韩丰;刘保健设计研发完成，并于2026-01-16向国家知识产权局提交的专利申请。

本一种基于深度学习的视频目标识别方法及系统在说明书摘要公布了：本发明涉及视频目标识别技术领域，公开了一种基于深度学习的视频目标识别方法及系统，方法包括：采用预训练的时空连续帧场模型将获取的待识别视频数据的离散帧序列建模为时空连续帧场函数，时空连续帧场函数在连续的时空坐标下定义离散帧序列；在时空连续帧场函数表示的时空域中，定义并优化目标实例轨迹函数；基于目标实例轨迹函数，采用边缘侧预配置的轻量化目标识别模型对离散帧序列进行识别，得到目标识别结果和困难度评估结果；轻量化目标识别模型的输出层包括分类分支、回归分支和困难评估分支；困难度评估结果包括分类概率分布指标、时空一致性指标和预测不确定性指标。本申请的方法，提高视频目标识别的准确性，以及困难样本识别能力。

本发明授权一种基于深度学习的视频目标识别方法及系统在权利要求书中公布了：1.一种基于深度学习的视频目标识别方法，其特征在于，所述方法包括： 获取待识别视频数据的离散帧序列，并采用预训练的时空连续帧场模型将所述离散帧序列建模为时空连续帧场函数，所述时空连续帧场函数用于在连续的时空坐标下定义所述离散帧序列； 在所述时空连续帧场函数表示的时空域中，定义并优化目标实例轨迹函数，所述目标实例轨迹函数被设定为描述目标实例在时间维度的位置数据； 基于所述目标实例轨迹函数，采用边缘侧预配置的轻量化目标识别模型对所述离散帧序列进行识别，得到目标识别结果和困难度评估结果；所述轻量化目标识别模型的输出层包括分类分支、回归分支和困难评估分支；所述困难度评估结果包括分类概率分布指标、时空一致性指标和预测不确定性指标；由所述困难度评估结果确定的困难样本和所述困难度评估结果存储在所述边缘侧的样本缓冲区，所述样本缓冲区响应于触发条件，将所述困难样本和所述困难度评估结果批量上传至云端服务器，以对所述云端服务器部署的高精度目标识别模型的影子模型进行优化； 所述基于所述目标实例轨迹函数，采用边缘侧预配置的轻量化目标识别模型对所述离散帧序列进行识别，得到目标识别结果和困难度评估结果，包括： 根据所述目标实例轨迹函数的曲率，对所述时空连续帧场函数进行自适应非均匀采样，得到待识别图像块序列； 采用边缘侧预配置的轻量化目标识别模型的主干网络对所述待识别图像块序列进行特征提取，得到多尺度特征图； 采用所述轻量化目标识别模型的轻量级时序模块对所述多尺度特征图进行时序信息聚合，得到时空融合特征张量； 采用所述分类分支，对所述时空融合特征张量进行分类识别，得到每一图像块对应的分类概率分布； 采用所述回归分支，对所述时空融合特征张量进行边界框回归分析，得到边界框偏移量，将所述分类概率分布和所述边界框偏移量通过非极大值抑制算法进行匹配与融合，得到包含类别与精确位置的目标识别结果； 根据所述困难评估分支，对所述时空融合特征张量和所述分类概率分布，得到困难度评估结果。

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陕西皓鲸信息科技有限责任公司，其通讯地址为：710000 陕西省西安市新城区幸福林带秦创智谷产业园区E-C2272[集群]；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。