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！

龙图腾网获悉北京工业大学申请的专利基于双通路特征融合的动物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：CN115273131B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202210346833.8，技术领域涉及：G06V40/10；该发明授权基于双通路特征融合的动物识别方法是由蒋玉杰;李娟设计研发完成，并于2022-03-31向国家知识产权局提交的专利申请。

本基于双通路特征融合的动物识别方法在说明书摘要公布了：本发明公开了基于双通路特征融合的动物识别方法，通过构建CNN‑LBP双通路网络模型，对图像进行插值和锐化处理，解决监测图像质量低的问题。融合CNN提取特征和纹理特征等浅层信息，保留了浅层语义信息的提取。在卷积神经网络中增加了边框预测回归模块，考虑到了两框的重叠部分、中心点距离和长宽比，增加了宽高比的惩罚项目，解决了原损失函数作在训练过程中梯度不能自适应改变的问题；优化LBP特征提取算法，考虑了中心像素值与邻域像素值的影响最后，降低噪声点的影响；最后在特征融合中增加了通道注意力机制，有利于通道降维和跨通道信息交互。本发明相较于YOLOV5和LBP识别方法在召回率和准确率均有提升。

本发明授权基于双通路特征融合的动物识别方法在权利要求书中公布了：1.基于双通路特征融合的动物识别方法，其特征在于：该方法包括如下步骤， 数据预处理：时采用图像翻转、转换、拼接、融合的图像增强；每次处理均得到一个变换矩阵，再将所有变换矩阵连乘得到最终的变换矩阵；采用三次插值和锐化来提高图像的质量； 定义CNN-LBP双通路模型结构：由主干卷积神经网络、LBP特征提取通路、特征融合模块、边框预测回归网络构成；分析基于卷积神经网络在进行特征提取时采取模块逐层抽取的方式，每个模块输出尺寸不同会抽取网络最高层的输出特征作为识别依据；定义CNN-LBP双通路模型，通过卷积神经网络和LBP特征提取通路分别提取图像信息，再通过多尺度特征融合的方式将不同网络层的特征进行融合，提高特征表达能力； 基于LBP特征提取：考虑中心像素值与邻域像素值的影响，通过计算计算邻域各像素值与中心像素值之差的平方和C与限定值W进行比较，若C在限定范围内，选取中心像素值为阈值计算LBP值，充分考虑中心像素值与邻域像素值的作用，准确描述局部图像特征；若C不在限定范围内，则选择邻域像素和中心像素的中值作为阈值进行计算，降低噪声点的影响； YOLOV5模型设置：主干网络设计为深度为152层残差网络，划分为5部分，其中每部分的卷积分组卷积，通过主干网络4次下采样操作提取到的特征输出特征图；引入感兴趣区域特征ROI提取，减少复杂背景对目标识别的影响； 基于改进的通道注意力机制的特征融合：针对原concat融合方式在特征融合过程中，会导致图像本身通道数增加的缺点，对于处理后的上下分支特征通道，采用提出的通道注意力特征融合模块CAFF进行信息集成； 边框预测损失模块：在边框预测模块中使用EIOU_Loss损失函数，增加了宽高比的惩罚项目； 模型预测：完成模型训练后，输入任意尺寸的测试数据，获得动物的种类和位置。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。