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！

龙图腾网获悉天津大学申请的专利一种基于单阶段网络的红外图像车辆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：CN116543228B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202310578973.2，技术领域涉及：G06V10/764；该发明授权一种基于单阶段网络的红外图像车辆检测方法是由梁煜;范晓畅;张为设计研发完成，并于2023-05-22向国家知识产权局提交的专利申请。

本一种基于单阶段网络的红外图像车辆检测方法在说明书摘要公布了：本发明涉及一种基于单阶段网络的红外图像车辆检测方法，包括下列步骤：图像获取红外摄像机进行视野扫描，获取视频流转换为图像格式；图像预处理；网络检测，将红外图像送入到已经训练好的车辆检测网络中进行车辆目标的检测，经过主干网络进行特征提取，利用优化后的融合网络进行特征融合，经过车辆检测网络的分类和回归两个分支进行车辆目标类别以及位置信息的预测；车辆检测网络为单阶段网络结构，以RetinaNet网络为基础网络，进行优化改进。

本发明授权一种基于单阶段网络的红外图像车辆检测方法在权利要求书中公布了：1.一种基于单阶段网络的红外图像车辆检测方法，包括下列步骤： 步骤1，图像获取红外摄像机进行视野扫描，获取红外图像； 步骤2，图像处理：对获取到的红外图像进行预处理； 步骤3，网络检测，将预处理后的红外图像送入到已经训练好的车辆检测网络中进行车辆目标的检测，经过主干网络进行特征提取，利用优化后的融合网络进行特征融合，经过车辆检测网络的分类和回归两个分支进行车辆目标类别以及位置信息的预测；车辆检测网络为单阶段网络结构，以RetinaNet网络为基础网络，进行优化改进，包括： 1选用ShuffleNetV2轻量级网络作为主干网络，利用红外图像的局部信息相关性辅助目标识别，以提升网络对不变细粒度信息的提取效果，设计了中心差分卷积与卷积运算相结合的卷积方式，将此卷积方式嵌入到主干网络核心模块ShuffleBlock中，动态地调整两种卷积对特征提取所占权重比，卷积核在特征图上滑动扫描采样，在聚合前提取卷积核对应区域中的像素点，并取其中心点的像素值与其余像素点的值依次差分计算，得到更新后的像素值，再将像素值与卷积核权重进行点积聚合得到最终的输出值； 2在车辆检测网络中构建了双分支自适应融合的通道注意力模块DBAM，通过全局平均池化和全局最大值池化两条分支并行的方式利用红外图像的全局信息和局部信息，采用动态一维卷积生成通道权值，以更好地完成跨通道间的信息交互；使用双分支自适应融合的方法，动态地调整两种池化分支在融合中所占权重比；DBAM具体实现过程为：首先对高、宽和通道数为H×W×C的输入特征在通道维度上分别进行全局平均池化和全局最大值池化操作，再通过k大小卷积核的快速一维卷积生成两条分支的通道权值矩阵Mavg和Mmax；两通道权值矩阵通过自适应融合结构得到汇总的通道权值矩阵，并与原输入特征经过逐元素乘积，将权值映射到H×W×C的特征图中； 3以引入中心差分卷积后的ShuffleBlock模块为基本单元，同时嵌入双分支通道注意力模块，构建主干网络；由轻量级网络ShuffleNetV2的各个阶段提取到的具有不同深度层次的特征信息被输送到优化的融合网络中，优化的融合网络基于特征金字塔结构，采用双向交叉的融合网络结构，在部分特征层中额外增加自底向上聚合路径以提升融合效果，并在同一尺度特征层的原始输入与最终输出结点之间添加横向连接；采用快速归一化融合策略为不同输入节点添加额外权重，以区分不同节点的贡献程度； 4设计基于任务对齐思想的检测头网络，称其为任务对齐头部TAHead：由一个特征提取器和两条优化过的任务分支组成，特征提取器用以对特征融合网络的输出特征进行多层次提取，每条任务分支中都包含了校准支路，用以对初步预测结果进行概率调整和空间调整； 5设计基于任务对齐思想的网络训练学习策略；通过设置校准因子来明确度量分类和回归两任务的对齐程度；将校准因子引入到损失计算中，通过同步优化分类和回归损失来调整两任务对同一样本点的预测结果，用以改善空间错位问题。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。